caffe training instruction for image classification

每次边做实验边写博客，所以夹杂了英文和拼音，然后回windows修改，抱歉。

标题不改了，用自己的数据集训练模型来分类图片，原来的imagenet图片太多不用。

参考  薛开宇 的博客 用自己的数据训练和测试“CaffeNet” 2014.7.22 (点击打开链接)    和一篇博客点击打开链接

薛开宇前面数据处理讲得好，后者具体实现很详细，各有所长，互通有无。。。

不一步步介绍了，强调几点：

一： test数据集好像没有到，不知道他们都扯这个test干什么

二： find train/cat *.jpeg |cut -d '/' -f2-3 > train.txt  用类似语句生成训练标签，train必须要，不然读不了

 三：  find val *.jpeg |cut -d '/' -f2-3 > val.txt    生成验证标签，我用的是猫狗训练各50张，猫狗验证各十张，训练图片分开放，验证放一起（猫标1狗标2）

四：后面按照第二个博客一步步来：（作者电脑配置不够没跑通，但是思路清晰，薛开宇 此部分简直不知所云）

接着，报错：

找到配置文件，把第一个batch——size改小，我改成50

跑起来了：

26000时候，识别率65%

30000，还是65%

我想可能图片不规范，猫狗的脸又有点像，验证10数目不够。

把狗换成表，验证集15张图

把生成的模型和数据均值文件删除：

sudo rm -r ils*

继续

sudo ./examples/myself/create_imagenet.sh

接着：

sudo ./examples/myself/make_imagenet_mean.sh

可以看到生成的图像均值：

最后：

sudo ./examples/myself/train_caffenet.sh

看到24000次就达到100%识别率。

参照材料：学习笔记3 用自己的数据训练和测试“CaffeNet” 2014.7.22 薛开宇
Caffe官网 ImageNet tutorial