用caffe训练测试自己的图片

 

所有的操作是基于caffe的根目录/caffe-master/来操作的：

数据准备

我所用的图片是车牌识别中，0～9数字图片，在data下面新建一个number目录，用来存放训练图片（caffenumimg_train）与测试图片（caffenumimg_test)，0～9分别有200张左右的训练图片和50张左右的测试图片

转换成lmdb格式文件

首先，在data/number/目录编写一个脚本create_filelist.sh文件，用来生成train.txt和test.txt清单文件。清单文件train.txt与test.txt主要用来记录训练图片与测试图片的目录与标签。

#!/usr/bin/env shDATA_TRAIN=data/number/caffenumimg_trainDATA_TEST=data/number/caffenumimg_testMY=data/numberecho "Create train.txt..."rm -rf $MY/train.txtfor i in 0 1 2 3 4 5 6 7 8 9 dofind $DATA_TRAIN/$i/ -name *.bmp | cut -d '/' -f1-5 | sed "s/$/ $i/">>$MY/train.txtdoneecho "Create test.txt..."rm -rf $MY/test.txtfor i in 0 1 2 3 4 5 6 7 8 9 dofind $DATA_TEST/$i/ -name *.bmp | cut -d '/' -f1-5 | sed "s/$/ $i/">>$MY/test.txtdoneecho "All done"

这段脚本的大致意思（生成test.txt与生成train.txt大体相同这里只介绍生成train.txt脚本的逻辑)：
首先删除已经有的train.txt清单文件，然后遍历data/number/caffenumimg_train目录中的0～9文件夹，
读取所有的.bmp文件的目录，以/划分目录字段，截取1到5这几个字段，在字段结尾处加类别标签，保存到train.txt文件中。

然后，运行脚本

sh  /data/number/create_filelist.sh

得到如下图所示的结果：

接着再编写一个脚本文件放到目录examples/number/，调用convert_imageset命令来转换lmdb数据格式：

#!/usr/bin/env sh# Create the imagenet lmdb inputs# N.B. set the path to the imagenet train + val data dirsset -eEXAMPLE=examples/numberDATA=data/numberTOOLS=build/toolsTRAIN_DATA_ROOT=./TEST_DATA_ROOT=./rm $EXAMPLE/number_train_lmdb -rfrm  $EXAMPLE/number_test_lmdb -rf# Set RESIZE=true to resize the images to 256x256. Leave as false if images have# already been resized using another tool.RESIZE=trueif $RESIZE; then  RESIZE_HEIGHT=256  RESIZE_WIDTH=256else  RESIZE_HEIGHT=0  RESIZE_WIDTH=0fiif [ ! -d "$TRAIN_DATA_ROOT" ]; then  echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"  echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \       "where the ImageNet training data is stored."  exit 1fiif [ ! -d "$TEST_DATA_ROOT" ]; then  echo "Error: TEST_DATA_ROOT is not a path to a directory: $TEST_DATA_ROOT"  echo "Set the TEST_DATA_ROOT variable in create_imagenet.sh to the path" \       "where the ImageNet validation data is stored."  exit 1fiecho "Creating train lmdb..."GLOG_logtostderr=1 $TOOLS/convert_imageset \    --resize_height=$RESIZE_HEIGHT \    --resize_width=$RESIZE_WIDTH \    --shuffle \    $TRAIN_DATA_ROOT\    $DATA/train.txt \    $EXAMPLE/number_train_lmdbecho "Creating val lmdb..."GLOG_logtostderr=1 $TOOLS/convert_imageset \    --resize_height=$RESIZE_HEIGHT \    --resize_width=$RESIZE_WIDTH \    --shuffle \    $TEST_DATA_ROOT\    $DATA/test.txt \    $EXAMPLE/number_test_lmdbecho "Done."

在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在 build/tools/ 下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。

该文件的使用格式：

 convert_imageset [FLAGS] ROOTFOLDER/LISTFILE DB_NAME

FLAGS: 图片参数组，具体有以下几个参数：
-gray: 是否以灰度图的方式打开图片。程序调用OpenCV库中的imread()函数来打开图片，默认为false
-shuffle: 是否随机打乱图片顺序。默认为false
-backend:需要转换成的db文件格式，可选为leveldb或lmdb,默认为lmdb
-resize_width/resize_height: 改变图片的大小。在运行中，要求所有图片的尺寸一致，因此需要改变图片大小。 程序调用opencv库的resize（）函数来对图片放大缩小，默认为0，不改变
-check_size: 检查所有的数据是否有相同的尺寸。默认为false,不检查
-encoded: 是否将原图片编码放入最终的数据中，默认为false
-encode_type: 与前一个参数对应，将图片编码为哪一个格式：‘png’,’jpg’……

ROOTFOLDER/: 图片存放的绝对路径，从Linux系统根目录开始 如上述脚本文件的TRAIN_DATA_ROOT

LISTFILE: 图片文件列表清单，一般为一个txt文件，一行一张图片,如上述截图k所示train.txt与test.txt

DB_NAME: 最终生成的db文件存放目录，如下截图所示的number_train_lmdb

运行成功后在 examples/number/下面生成两个文件夹number_test_lmdb和number_train_lmdb，分别用于保存训练图片与测试图片转换后的lmdb文件：

计算均值并保存

图片减去均值再训练，会提高训练速度和精度。因此，一般都会有这个操作。
caffe程序提供了一个计算均值的文件compute_image_mean.cpp，我们直接使用就可以了：

sudo build/tools/compute_image_mean examples/number/img_train_lmdb examples/number/mean.binaryproto

创建模型并编写配置文件

模型就用程序自带的caffenet模型，位置在 models/bvlc_reference_caffenet/目录下, 将需要的两个配置文件solver.prototxt和train_val.prototxt，复制到examples/number/目录

修改solver.prototxt，指定网络配置的目录

net: "examples/number/train_val.prototxt"test_iter: 20test_interval: 40base_lr: 0.01lr_policy: "step"gamma: 0.1stepsize: 1000display: 100max_iter: 8000momentum: 0.9weight_decay: 0.0005snapshot: 1000snapshot_prefix: "examples/number/caffenet_train"solver_mode: CPU

每个参数的含义见http://blog.csdn.net/lanxuecc/article/details/52064799

这里进一步记录 我所看到的关于这些参数的含义：

net: "examples/number/train_val.prototxt"

设置深度网络模型。每一个模型就是一个net，需要在一个专门的配置文件中对net进行配置，每个net由许多的layer所组成。每一个layer的具体配置方式后续会具体讲述！

test_iter: 20

这个要与train_val.prototxt文件中test layer中的batch_size结合起来理解。mnist数据中测试样本总数为2000多张，一次性执行全部数据效率很低，因此我们将测试数据分成几个批次来执行，每个批次的数量就是batch_size。假设我们设置batch_size为100，则需要迭代20次才能将2000个数据全部执行完。因此test_iter设置为20。执行完一次全部数据，称之为一个epoch

test_interval: 40

测试间隔。也就是每训练40次，进行一次测试。

base_lr: 0.01lr_policy: "step"gamma: 0.1stepsize: 1000

这四行可以放在一起理解，用于学习率的设置。只要是梯度下降法来求解优化，都会有一个学习率，也叫步长。base_lr用于设置基础学习率，在迭代的过程中，可以对基础学习率进行调整。怎么样进行调整，就是调整的策略，由lr_policy来设置。

lr_policy可以设置为下面这些值，相应的学习率的计算为：

• fixed:　　 保持base_lr不变.
• step: 　　 如果设置为step,则还需要设置一个stepsize, 返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数
• exp: 　　返回base_lr * gamma ^ iter， iter为当前迭代次数
• inv:　　 如果设置为inv,还需要设置一个power, 返回base_lr * (1 + gamma * iter) ^ (- power)
• multistep: 如果设置为multistep,则还需要设置一个stepvalue。这个参数和step很相似，step是均匀等间隔变化，而multistep则是根据 stepvalue值变化
• poly: 　　 学习率进行多项式误差, 返回 base_lr (1 - iter/max_iter) ^ (power)
• sigmoid:　学习率进行sigmod衰减，返回 base_lr ( 1/(1 + exp(-gamma * (iter - stepsize))))

momentum ：0.9

momentum是冲量单元，作用是有助于训练过程中逃离局部最小值，使网络能够更快速地收敛。如果上一次梯度方向与这一次的负梯度方向是相同的，那这次下降的幅度就会加大，所以这样做能够达到加速收敛的过程。
具体可看：https://www.zhihu.com/question/24529483

weight_decay: 0.0005

权重衰减项，防止过拟合的一个参数。
具体可看：https://www.zhihu.com/question/24529483

snapshot: 1000snapshot_prefix: "examples/number/caffenet_train"

快照。将训练出来的model和solver状态进行保存，snapshot用于设置训练多少次后进行保存，默认为0，不保存。snapshot_prefix设置保存路径。

还可以设置snapshot_diff，是否保存梯度值，默认为false,不保存。

也可以设置snapshot_format，保存的类型。有两种选择：HDF5 和BINARYPROTO ，默认为BINARYPROTO

solver_mode: CPU

设置运行模式。默认为GPU,如果你没有GPU,则需要改成CPU,否则会出错。

下面看下网络模型的具体设置：

name: "CaffeNet"  #网络名称#训练数据层^^^^^layer {  name: "data"  #本层名称  type: "Data"  #本层类型：表明是数据层  top: "data"   #该层生成一个data blob  top: "label"  #该层生成一个data blob  #这一层只有top没有bottom，表明这层输出数据和标签  include {    phase: TRAIN  #表明这层属于训练阶段的层  }  transform_param {    mirror: true  # 1表示开启镜像，0表示关闭，也可用ture和false来表示    crop_size: 227  # 表示剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪    mean_file: "examples/number/mean.binaryproto" #指定均值文件  }# mean pixel / channel-wise mean instead of mean image#  transform_param {#    crop_size: 227#    mean_value: 104#    mean_value: 117#    mean_value: 123#    mirror: true#  }  data_param {    source: "examples/number/number_train_lmdb" #数据库的目录名称,指定数据位置    batch_size: 100 #一次训练的样本数    backend: LMDB   #数据存储的数据类型  }}#训练数据层vvvvv#测试数据层^^^^^layer {  name: "data"  type: "Data"  top: "data"  top: "label"  include {    phase: TEST #表明这层属于测试阶段  }  transform_param {    mirror: false    crop_size: 227    mean_file: "examples/number/mean.binaryproto" #就用训练的均值文件  }# mean pixel / channel-wise mean instead of mean image#  transform_param {#    crop_size: 227#    mean_value: 104#    mean_value: 117#    mean_value: 123#    mirror: false#  }  data_param {    source: "examples/number/number_test_lmdb"    batch_size: 50 #每批次处理50个图片    backend: LMDB  }}#测试数据层vvvvv#第一个卷积层^^^^^layer {  name: "conv1"  type: "Convolution"  #表明这层是卷积层  bottom: "data"       #表明这层前面一层也就是下面一层是数据层，该层使用的数据是由数据层提供的data blob  top: "conv1"         #该层生成的数据是conv1  param {    lr_mult: 1 #weight learning rate(简写为lr)权值的学习率，1表示该值是solver.prototxt中base_lr的1倍    decay_mult: 1 #1表示该层的权重衰减是solver.prototxt中weight_decay的1倍  }  param {    lr_mult: 2 #bias learning rate偏移值的学习率，2表示该值是solver.prototxt中base_lr的2倍    decay_mult: 0 #偏移值的权重衰减为0  }  convolution_param {    num_output: 96    #卷积核的个数    kernel_size: 11   #卷积核的大小11×11，如果卷积核的长和宽不等，需要用 kernel_h 和 kernel_w 分别设定    stride: 4         #卷积核移动的步幅为4    weight_filler {      type: "gaussian" ##常见两种初始化方式：xavier和gaussian      #xavier算法，根据输入和输出的神经元的个数自动初始化权值比例      std: 0.01    }    bias_filler {      type: "constant"       value: 0  #偏置项的初始化。将偏移值初始化为“稳定”状态, 值全为0。    }  }}#第一个卷积层vvvvv#激励层，具体作用见http://blog.sina.com.cn/s/blog_eb3aea990102v3um.htmllayer {  name: "relu1"  type: "ReLU"  bottom: "conv1" #表明它输入数据来自第一个卷积层  top: "conv1"    #表明它输出数据也放到第一个卷积层}#池化层layer {  name: "pool1"  type: "Pooling"  bottom: "conv1"  top: "pool1"  pooling_param {    pool: MAX  #池化方法，为MAX。目前可用的方法有 MAX, AVE, 或 STOCHASTIC    kernel_size: 3 #池化核大小为3*3    stride: 2      $池化核移动的步幅为2  }}#LRN层，具体作用http://blog.csdn.net/u014114990/article/details/47662189layer {  name: "norm1"  type: "LRN"  bottom: "pool1"  top: "norm1"  lrn_param {    local_size: 5    alpha: 0.0001    beta: 0.75  }}#第二个卷积层layer {  name: "conv2"  type: "Convolution"  bottom: "norm1"  top: "conv2"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  convolution_param {    num_output: 256    pad: 2 #扩充边缘，默认为0，不扩充。扩充的时候是左右、上下对称的，比如卷积核的大小为5*5，那么pad设置为2，则四个边缘都扩充2个像素，即宽度和高度都扩充了4个像素，这样卷积运算之后的特征图就不会变小。 也可以通过pad_h和pad_w来分别设定。    kernel_size: 5    group: 2    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 1    }  }}layer {  name: "relu2"  type: "ReLU"  bottom: "conv2"  top: "conv2"}layer {  name: "pool2"  type: "Pooling"  bottom: "conv2"  top: "pool2"  pooling_param {    pool: MAX    kernel_size: 3    stride: 2  }}layer {  name: "norm2"  type: "LRN"  bottom: "pool2"  top: "norm2"  lrn_param {    local_size: 5    alpha: 0.0001    beta: 0.75  }}layer {  name: "conv3"  type: "Convolution"  bottom: "norm2"  top: "conv3"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  convolution_param {    num_output: 384    pad: 1    kernel_size: 3    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 0    }  }}layer {  name: "relu3"  type: "ReLU"  bottom: "conv3"  top: "conv3"}layer {  name: "conv4"  type: "Convolution"  bottom: "conv3"  top: "conv4"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  convolution_param {    num_output: 384    pad: 1    kernel_size: 3    group: 2    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 1    }  }}layer {  name: "relu4"  type: "ReLU"  bottom: "conv4"  top: "conv4"}layer {  name: "conv5"  type: "Convolution"  bottom: "conv4"  top: "conv5"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  convolution_param {    num_output: 256    pad: 1    kernel_size: 3    group: 2    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 1    }  }}layer {  name: "relu5"  type: "ReLU"  bottom: "conv5"  top: "conv5"}layer {  name: "pool5"  type: "Pooling"  bottom: "conv5"  top: "pool5"  pooling_param {    pool: MAX    kernel_size: 3    stride: 2  }}#前面都是一些pool层，conv层 ReLU层 LRN层的重复,不再赘述#全连接层,参数含义与前面卷积层定义相同layer {  name: "fc6"  type: "InnerProduct"  bottom: "pool5"  top: "fc6"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  inner_product_param {    num_output: 4096    weight_filler {      type: "gaussian"      std: 0.005    }    bias_filler {      type: "constant"      value: 1    }  }}#激励层layer {  name: "relu6"  type: "ReLU"  bottom: "fc6"  top: "fc6"}#dropout层，具体见http://blog.csdn.net/u012702874/article/details/45030991layer {  name: "drop6"  type: "Dropout"  bottom: "fc6"  top: "fc6"  dropout_param {    dropout_ratio: 0.5  }}#又是一个全连接层layer {  name: "fc7"  type: "InnerProduct"  bottom: "fc6"  top: "fc7"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  inner_product_param {    num_output: 4096    weight_filler {      type: "gaussian"      std: 0.005    }    bias_filler {      type: "constant"      value: 1    }  }}#激励层layer {  name: "relu7"  type: "ReLU"  bottom: "fc7"  top: "fc7"}#dropout层layer {  name: "drop7"  type: "Dropout"  bottom: "fc7"  top: "fc7"  dropout_param {    dropout_ratio: 0.5  }}#全连接层layer {  name: "fc8"  type: "InnerProduct"  bottom: "fc7"  top: "fc8"  param {    lr_mult: 1    decay_mult: 1  }  param {    lr_mult: 2    decay_mult: 0  }  inner_product_param {    num_output: 1000    weight_filler {      type: "gaussian"      std: 0.01    }    bias_filler {      type: "constant"      value: 0    }  }}#准确率结果层，测试时用，用来计算测试效果的准确率layer {  name: "accuracy"  type: "Accuracy"  bottom: "fc8"  bottom: "label"  top: "accuracy"   include {    phase: TEST  }}#损失函数层layer {  name: "loss"  type: "SoftmaxWithLoss"  bottom: "fc8"  bottom: "label"  top: "loss"}