caffe了解

原文地址：http://blog.csdn.net/hjimce/article/details/48933813

**作者：**hjimce

本文主要讲解caffe的整个使用流程，适用于初级入门caffe，通过学习本篇博文，理清项目训练、测试流程。初级教程，高手请绕道。

我们知道，在caffe编译完后，在caffe目录下会生成一个build目录，在build目录下有个tools，这个里面有个可执行文件caffe，如下图所示：

有了这个可执行文件我们就可以进行模型的训练，只需要学会调用这个可执行文件就可以了，这便是最简单的caffe学习，不需要对caffe底层的东西懂太多，只需要会调参数，就可以构建自己的网络，然后调用这个可执行文件就可以进行训练，当然如果你不仅仅是调参数，而且想要更改相关的算法，那就要深入学习caffe的底层函数调用了，这个以后再讲。本篇博文仅适合于刚入门学习caffe，高手请绕道。废话不多说，回归正题：

一、总流程

完成一个简单的自己的网络模型训练预测，主要包含几个步骤：

1、数据格式处理，也就是把我们的图片.jpg,.png等图片以及标注标签,打包在一起，搞成caffe可以直接方便调用的文件。后面我将具体讲解如何打包自己的数据，让caffe进行调用。

2、编写网络结构文件，这个文件的后缀格式是.prototxt。就是编写你的网络有多少层，每一层有多少个特征图，输入、输出……。看个例子，看一下caffe-》example-》mnist-》lenet_train_test.prototxt。这个便是手写字体网络结构文件了，我们需要根据自己的需要学会修改这个文件：

<span style="font-size:18px;">name: "LeNet"  layer {    name: "mnist"    type: "Data"  //data层    top: "data"    top: "label"    include {      phase: TRAIN   //训练阶段    }    transform_param {      scale: 0.00390625   //对所有的图片归一化到0~1之间，也就是对输入数据全部乘以 scale，0.0039= 1/255    }    data_param {      source: "examples/mnist/mnist_train_lmdb"  //训练数据图片路径      batch_size: 64    //每次训练采用的图片64张，min-batch      backend: LMDB    }  }  layer {    name: "mnist"    type: "Data"    top: "data"    top: "label"    include {      phase: TEST   //测试    }    transform_param {      scale: 0.00390625    }    data_param {      source: "examples/mnist/mnist_test_lmdb" //测试数据图片路径      batch_size: 100      backend: LMDB    }  }  layer {    name: "conv1"   //卷积神经网络的第一层，卷积层    type: "Convolution"  //这层操作为卷积    bottom: "data"   //这一层的前一层是data层    top: "conv1"   //    param {      lr_mult: 1       }    param {      lr_mult: 2    }    convolution_param {      num_output: 20    //定义输出特征图个数      kernel_size: 5    //定义卷积核大小      stride: 1      weight_filler {        type: "xavier"      }      bias_filler {        type: "constant"      }    }  }  layer {    name: "pool1"    type: "Pooling"      //池化层，这一层的操作为池化    bottom: "conv1"   //这一层的前面一层名字为：conv1    top: "pool1"    pooling_param {      pool: MAX   //最大池化      kernel_size: 2      stride: 2    }  }  layer {    name: "conv2"    type: "Convolution"    bottom: "pool1"    top: "conv2"    param {      lr_mult: 1    }    param {      lr_mult: 2    }    convolution_param {      num_output: 50      kernel_size: 5      stride: 1      weight_filler {        type: "xavier"      }      bias_filler {        type: "constant"      }    }  }  layer {    name: "pool2"    type: "Pooling"    bottom: "conv2"    top: "pool2"    pooling_param {      pool: MAX      kernel_size: 2      stride: 2    }  }  layer {    name: "ip1"    type: "InnerProduct"    bottom: "pool2"    top: "ip1"    param {      lr_mult: 1    }    param {      lr_mult: 2    }    inner_product_param {      num_output: 500      weight_filler {        type: "xavier"      }      bias_filler {        type: "constant"      }    }  }  layer {    name: "relu1"    type: "ReLU"    bottom: "ip1"    top: "ip1"  }  layer {    name: "ip2"    type: "InnerProduct"    bottom: "ip1"    top: "ip2"    param {      lr_mult: 1    }    param {      lr_mult: 2    }    inner_product_param {      num_output: 10      weight_filler {        type: "xavier"      }      bias_filler {        type: "constant"      }    }  }  layer {    name: "accuracy"    type: "Accuracy"    bottom: "ip2"    bottom: "label"    top: "accuracy"    include {      phase: TEST    }  }  layer {    name: "loss"    type: "SoftmaxWithLoss"    bottom: "ip2"    bottom: "label"    top: "loss"  }</span>  

上面的网络结构，定义的data层，就是定义我们输入的训练数据的路径、图片变换等。

3、网络求解文件，这个文件我们喜欢把它取名为：solver.prototxt，这个文件的后缀格式也是.prototxt。这个文件主要包含了一些求解网络，梯度下降参数、迭代次数等参数……，看下手写字体的solver.prototxt文件：

<span style="font-size:18px;">net: "examples/mnist/lenet_train_test.prototxt"  //定义网络结构文件，也就是我们上一步编写的文件  test_iter: 100   test_interval: 500 //每隔500次用测试数据，做一次验证  base_lr: 0.01     //学习率  momentum: 0.9   //动量参数  weight_decay: 0.0005   //权重衰减系数  lr_policy: "inv"   //梯度下降的相关优化策略  gamma: 0.0001  power: 0.75  display: 100  max_iter: 10000   //最大迭代次数  snapshot: 5000    //每迭代5000次，保存一次结果  snapshot_prefix: "examples/mnist/lenet" //保存结果路径  solver_mode: GPU   //训练硬件设备选择GPU还是CPU</span>  

这个文件的输入就是我们前面一步定义的网络结构。

4、编写网络求解文件后，我们可以说已经完成了CNN网络的编写。接着我们需要把这个文件，作为caffe的输入参数，调用caffe可执行文件，进行训练就可以了。具体的命令如下：

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt  

这样就完事了，程序就开始训练了。上面的第一个参数caffe，就是我们在编译caffe，生成的可执行文件：

然后solver就是我们在步骤3编写的solver文件了，只要在ubuntu终端输入上面的命令，就可以开始训练了。

回想一下文件调用过程：首先caffe可执行文件，调用了solver.prototxt文件，而这个文件又调用了网络结构文件lenet_train_test.prototxt，然后lenet_train_test.prototxt文件里面又会调用输入的训练图片数据等。因此我们如果要训练自己的模型，需要备好3个文件：数据文件lmdb(该文件包含寻数据)、网络结构lenet_train_test.prototxt、求解文件solver.prototxt，这几个文件名随便，但是文件后缀格式不要随便乱改。把这三个文件放在同一个目录下，然后在终端输入命令，调用caffe就可以开始训练了。

二、相关细节

1、lmdb数据格式生成

caffe输入训练图片数据我比较喜欢用lmdb格式，好像还有另外一种格式leveldb，这个具体没用过，这里主要讲解lmdb格式数据的制作。其实在caffe-》example-》imagenet文件夹下面的一些脚本文件可以帮助我们快速生产相关的caffe所需的数据。

create_imagenet.sh这个文件可以帮我们快速的生成lmdb的数据格式文件，因此我们只需要把这个脚本文件复制出来，稍作修改，就可以对我们的训练图片、标注文件进行打包为lmdb格式文件了。制作图片的脚本文件如下：

<span style="font-size:18px;">#!/usr/bin/env sh  # Create the imagenet lmdb inputs  # N.B. set the path to the imagenet train + val data dirs  EXAMPLE=.          # 生成模型训练数据文化夹  TOOLS=../../build/tools                              # caffe的工具库，不用变  DATA=.                  # python脚步处理后数据路径  TRAIN_DATA_ROOT=train/  #待处理的训练数据图片路径  VAL_DATA_ROOT=val/      # 带处理的验证数据图片路径  # Set RESIZE=true to resize the images to 256x256. Leave as false if images     have  # already been resized using another tool.  RESIZE=true   #图片缩放  if $RESIZE; then    RESIZE_HEIGHT=256    RESIZE_WIDTH=256  else    RESIZE_HEIGHT=0    RESIZE_WIDTH=0  fi  if [ ! -d "$TRAIN_DATA_ROOT" ]; then    echo "Error: TRAIN_DATA_ROOT is not a path to a directory:    $TRAIN_DATA_ROOT"    echo "Set the TRAIN_DATA_ROOT variable in create_imagenet.sh to the path" \         "where the ImageNet training data is stored."    exit 1  fi  if [ ! -d "$VAL_DATA_ROOT" ]; then    echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"    echo "Set the VAL_DATA_ROOT variable in create_imagenet.sh to the path" \         "where the ImageNet validation data is stored."    exit 1  fi  echo "Creating train lmdb..."  GLOG_logtostderr=1 $TOOLS/convert_imageset \      --resize_height=$RESIZE_HEIGHT \      --resize_width=$RESIZE_WIDTH \      --shuffle \      $TRAIN_DATA_ROOT \      $DATA/train.txt \     #标签训练数据文件      $EXAMPLE/train_lmdb  echo "Creating val lmdb..."  GLOG_logtostderr=1 $TOOLS/convert_imageset \      --resize_height=$RESIZE_HEIGHT \      --resize_width=$RESIZE_WIDTH \      --shuffle \      $VAL_DATA_ROOT \      $DATA/val.txt \    #验证集标签数据      $EXAMPLE/val_lmdb  echo "Done."</span>  

同时我们需要制作如下四个文件：
1、文件夹train，用于存放训练图片

2、文件夹val，用于存放验证图片

3、文件train.txt，里面包含这每张图片的名称，及其对应的标签。

<span style="font-size:18px;">first_batch/train_female/992.jpg    1  first_batch/train_female/993.jpg    1  first_batch/train_female/994.jpg    1  first_batch/train_female/995.jpg    1  first_batch/train_female/996.jpg    1  first_batch/train_female/997.jpg    1  first_batch/train_female/998.jpg    1  first_batch/train_female/999.jpg    1  first_batch/train_male/1000.jpg 0  first_batch/train_male/1001.jpg 0  first_batch/train_male/1002.jpg 0  first_batch/train_male/1003.jpg 0  first_batch/train_male/1004.jpg 0  first_batch/train_male/1005.jpg 0  first_batch/train_male/1006.jpg 0  first_batch/train_male/1007.jpg 0  first_batch/train_male/1008.jpg 0</span>  

上面的标签编号:1，表示女。标签：0，表示男。

4、文件val.txt，同样这个文件也是保存图片名称及其对应的标签。

这四个文件在上面的脚本文件中，都需要调用到。制作玩后，跑一下上面的脚本文件，就ok了，跑完后，即将生成下面两个文件夹：

文件夹下面有两个对应的文件：

制作完后，要看看文件的大小，有没有问题，如果就几k，那么正常是每做好训练数据，除非你的训练图片就几张。

三、训练

1、直接训练法

#!/usr/bin/env sh  TOOLS=../cafferead/build/tools  $TOOLS/caffe train --solver=gender_solver.prorotxt  -gpu all  #加入 -gpu 选项

-gpu 可以选择gpu的id号，如果是 -gpu all表示启用所有的GPU进行训练。

2、采用funing-tuning 训练法

$TOOLS/caffe train --solver=gender_solver.prorotxt -weights gender_net.caffemodel #加入-weights  

加入-weights，这个功能很好用，也经常会用到，因为现在的CNN相关的文献，很多都是在已有的模型基础上，进行fine-tuning，因为我们大部分人都缺少训练数据，不像谷歌、百度这些土豪公司，有很多人专门做数据标注，对于小公司而言，往往缺少标注好的训练数据。因此我们一般使用fine-tuning的方法，在少量数据的情况下，尽可能的提高精度。我们可以使用：-weights 选项，利用已有的模型训练好的参数，作为初始值，进行继续训练。

四、调用Python接口

训练完毕后，我们就可以得到caffe的训练模型了，接着我们的目标就预测，看看结果了。caffe为我们提供了方便调用的python接口函数，这些都在模块pycaffe里面。因此我们还需要知道如何使用pycaffe，进行测试，查看结果。下面是pycaffe的预测调用使用示例：

# coding=utf-8  import os  import numpy as np  from matplotlib import pyplot as plt  import cv2  import shutil  import time  #因为RGB和BGR需要调换一下才能显示  def showimage(im):      if im.ndim == 3:          im = im[:, :, ::-1]      plt.set_cmap('jet')      plt.imshow(im)      plt.show()  #特征可视化显示，padval用于调整亮度  def vis_square(data, padsize=1, padval=0):      data -= data.min()      data /= data.max()      #因为我们要把某一层的特征图都显示到一个figure上，因此需要计算每个图片占用figure多 少比例，以及绘制的位置      n = int(np.ceil(np.sqrt(data.shape[0])))      padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) +   ((0, 0),) * (data.ndim - 3)      data = np.pad(data, padding, mode='constant', constant_values=(padval,  padval))      # tile the filters into an image      data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) +   tuple(range(4, data.ndim + 1)))      data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape [4:])      showimage(data)  #设置caffe源码所在的路径  caffe_root = '../../../caffe/'  import sys  sys.path.insert(0, caffe_root + 'python')  import caffe  #加载均值文件  mean_filename='./imagenet_mean.binaryproto'  proto_data = open(mean_filename, "rb").read()  a = caffe.io.caffe_pb2.BlobProto.FromString(proto_data)  mean  = caffe.io.blobproto_to_array(a)[0]  #创建网络，并加载已经训练好的模型文件  gender_net_pretrained='./caffenet_train_iter_1500.caffemodel'  gender_net_model_file='./deploy_gender.prototxt'  gender_net = caffe.Classifier(gender_net_model_file,    gender_net_pretrained,mean=mean,                         channel_swap=(2,1,0),#RGB通道与BGR                         raw_scale=255,#把图片归一化到0~1之间                         image_dims=(256, 256))#设置输入图片的大小  #预测分类及其可特征视化  gender_list=['Male','Female']  input_image = caffe.io.load_image('1.jpg')#读取图片  prediction_gender=gender_net.predict([input_image])#预测图片性别  #打印我们训练每一层的参数形状  print 'params:'  for k, v in gender_net.params.items():      print 'weight:'      print (k, v[0].data.shape)#在每一层的参数blob中，caffe用vector存储了两个blob   变量，用v[0]表示weight      print 'b:'      print (k, v[1].data.shape)#用v[1]表示偏置参数  #conv1滤波器可视化  filters = gender_net.params['conv1'][0].data  vis_square(filters.transpose(0, 2, 3, 1))  #conv2滤波器可视化  '''''filters = gender_net.params['conv2'][0].data vis_square(filters[:48].reshape(48**2, 5, 5))'''  #特征图  print 'feature maps:'  for k, v in gender_net.blobs.items():      print (k, v.data.shape);      feat = gender_net.blobs[k].data[0,0:4]#显示名字为k的网络层,第一张图片所生成的 4张feature maps      vis_square(feat, padval=1)  #显示原图片，以及分类预测结果  str_gender=gender_list[prediction_gender[0].argmax()]  print str_gender  plt.imshow(input_image)  plt.title(str_gender)  plt.show()  

上面的接口，同时包含了pycaffe加载训练好的模型，进行预测及其特征可视化的调用方法。

---

************作者：hjimce 时间：2015.10.6 联系QQ：1393852684 原创文章，转载请保留原文地址、作者等信息*****