windows下运行caffe例子：cifar10图像训练生成caffemodel

硕士毕业论文第二点扯到了CNN上，准备用caffe框架来做，装好windows下caffe后运行了第一个经典例子LeNet :参考：http://blog.csdn.net/tianrolin/article/details/51434687
运行第二个cifar10例子时，不会写bat文件，运行也各种错误，这里总结一下我遇到的问题和解决办法。亲测有用！

一、数据集准备

到官网中下载cifar10数据集，如果使用的是c++，那么下载.bin文件。数据集介绍已经很详细了。cifar10数据集官网下载
下载并解压，看到共有6个.bin文件，前面五个是训练集，最后一个是测试集。

二、将数据集转成leveldb格式

用vs2013打开项目工程。有一个project是convert_cifar_data。（若没有，则可以在Solution新建一个cuda project，导入tools文件夹中的convert_cifar_data.cpp文件，配置环境即可）。
编译这个project，之后会在../../examples/cifar10/文件夹下找到convert_cifar_data.exe。
新建两个文件夹，分别命名为input_folder,output_folder。input_folder中放入第一阶段准备好的cifar10数据。output_folder为转换数据之后存储位置。
同级目录下新建一个批处理文件，后缀名.bat，输入以下内容并保存。

    convert_cifar_data.exe  input_folder output_folders leveldb      pause  

这里将数据集转成了leveldb格式。运行convet_cifar_data.bat文件，完成数据的转换。

三、计算数据的均值文件

新建一个cuda project，命名为compute_image_mean，导入tools文件夹中的compute_image_mean.cpp文件，配置环境。

编译，输出路径为为../../bin\，所以，在bin 文件夹下找到生成的compute_image_mean.exe。
将第二阶段生成的input_folder,output_folder拷贝过来。同级目录下新建一个.bat文件。输入以下内容并保存。

    compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryproto         pause  

运行compute_image_mean.bat文件，生成了mean.binaryproto文件。这个文件即为均值文件。

四、训练cifar10数据集

在examples/cifar10/文件夹中，找到cifar10_quick_trian_test.prototxt。
修改里面的mean_file和source的路径。backend一律改为LEVELDB。
只要是编译好的caffe框架，在bin文件夹里面都有一个caffe.exe。这是一个训练数据集的可执行文件，在上级目录下新建一个.bat，添加内容，保存并运行。

    .\bin\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt      pause  

看到在dos窗口已经开始训练了，训练迭代次数等参数均在cifar10_quick_solver.prototxt文件中。这里采用了gpu训练，迭代了4000次，最终的训练精度为0.7061。
在examples/cifar10/文件夹中，找到了训练出来的模型cifar10_quick_iter_4000.caffemodel。
结果如下：

出现问题和注意事项：

1. 问题一：路径问题

• 就是要注意替换.prototxt文件中的mean_file和source的路径，以及caffe.exe等文件的路径也要确保.bat文件可以找到并运行。（我是本办法：写绝对路径，因为一直不知道环境变量怎么设置）

2. 报错： “db_lmdb.hpp:14] Check failed: mdb_status == 0 (112 vs. 0) 磁盘空间不足。”

• 这问题是由于lmdb在windows下无法使用lmdb的库，所以要改成leveldb。

         但是要**注意**，由于backend默认的是lmdb,所以你每一次用到生成的图片leveldb数据的时候，       都要把“--backend=leveldb”带上，这个很容易忘了，

还有在.prototxt中

               data_param {                      source: "./mysample_val_leveldb"                      batch_size: 100                      backend: LEVELDB     //这个也要改掉的，原来是LMDB                    }

第二个问题参考：http://blog.csdn.net/u010595179/article/details/50581570