Windows下使用Caffe-Resnet

参考文章：

        编译历程参考：CNN：Windows下编译使用Caffe和Caffe2           

        caffe的VS版本源代码直接保留了sample里面的shell命令，当然这些shell命令在Windows平台下是不能运行的，需要稍微修改一下，转换为CMD可以理解的脚本代码。

一、使用cifar数据集合。

     1.获取cifar10数据集get_cifar10数据集：

echo "Downloading..." wget --no-check-certificate http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz echo "Unzipping..." tar -xf cifar-10-binary.tar.gz && rm -f cifar-10-binary.tar.gz mv cifar-10-batches-bin/* . && rm -rf cifar-10-batches-bin

       还是直接下载划算。

      2. 生成标准格式的数据集合create_cifar10.sh：

set -e EXAMPLE=examples/cifar10 DATA=data/cifar10 DBTYPE=lmdb echo "Creating $DBTYPE..." rm -rf $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/cifar10_test_$DBTYPE ./build/examples/cifar10/convert_cifar_data.bin $DATA $EXAMPLE $DBTYPE echo "Computing image mean..." ./build/tools/compute_image_mean -backend=$DBTYPE \ $EXAMPLE/cifar10_train_$DBTYPE $EXAMPLE/mean.binaryproto echo "Done."

      cifar10数据集合使用了二进制的bin文件，对于我们来说几乎没有任何意义，只是作为一个测试流程使用。

      修改为cmd命令：

convert_cifar_data.exe E:/DataSet/cifar10 E:/DataSet/cifar10 lmdb

      把e盘cifar10文件夹下面的文件转换为lmdb格式，到同目录下。

      分别生成train和test文件夹，每个文件夹下面存在两个lock.lmdb和data.lmdb文件。

      至于为何使用lmdb格式的文件，请到知乎搜索....................

       然后修改为cmd命令：   

 compute_image_mean.exe -backend=lmdb E:/DataSet/cifar10/cifar10_train_lmdb E:/DataSet/cifar10/mean.binaryprot

       依次生成lmdb文件，mean.binaryproto文件

二、开始使用Caffe网络

       修改Caffe的train_quick命令，修改为：

caffe.exe train --solver=E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt

       可以从

cifar10_quick_solver.prototxt

      启动简单的caffe网络，开始训练过程

      prototxt配置文件里面初始参数是这样的：

name: "CIFAR10_quick" layer {  name: "cifar" type: "Data" top: "data" top: "label" include { phase: TRAIN } transform_param { mean_file: "E:/DataSet/cifar10/mean.binaryproto" } data_param{ source: "E:/DataSet/cifar10/cifar10_train_lmdb" batch_size: 100 backend: LMDB } } layer{ name: "cifar" type: "Data" top: "data" top: "label" include { phase: TEST } transform_param { mean_file: "E:/DataSet/cifar10/mean.binaryproto" } data_param { source: "E:/DataSet/cifar10/cifar10_test_lmdb" batch_size: 100 backend: LMDB } }

     训练完成后，生成.model文件。留作使用。

 三、注意事项

      1. 在使用初始化的过程中，使用protobuf解析网络配置文件，出现默认初始化问题。    

     

       在solver_param.mutable_train_state()->set_level(FLAGS_level);

           CHECK(ReadProtoFromTextFile(param_file, param))；

           ReadProtoFromTextFile(filename.c_str(), proto)；

           bool success = google::protobuf::TextFormat::Parse(input, proto);/

     调用栈之中，解析文件目录为  filename = 0x0000029ed8a371a0 "E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt"

     而 默认初始化 net 目录和+        snapshot_prefix_  为  0x0000029ee0ead6b0 "examples/cifar10/cifar10_quick"   ，是相当悲剧的行为。

     下载源码，编译后，调试进入，

         载回头来看这些繁琐的东西，真是蛋疼。

三、开始使用残差网络

       修改E:/DataSet/cifar10/net/cifar10_quick_solver.prototxt 文件，修改为：

#net: "E:/DataSet/cifar10/Net/cifar10_quick_train_test.prototxt"
net: "E:/DataSet/Net/ResNet-50-deploy.prototxt"

       可以直接使用caffe的ResNet50网络