ubuntu下caffe的FCN8模型训练

第一次写博客，仅此纪念所趟过的坑。话不多说我们直入主题。玩caffe的人想必都训练过最初始的教程mnist——手写字符识别。很easy，网上教程多如牛毛，这里我就废话不说。但是关于FCN可能就是有点模糊，因为我玩的时候就是，可能写的比较好的当属一个ID叫做“隐匿人海”的博客，我从小白到跑通FCN，也是从他那里偷师学艺过。之所以别人已经写过了，为什么我还要再写一篇，那么要算就算我是个纠结于情怀的人吧.....(靠，我这弱智说的什么鬼话)，下面开始：

1.首先github下载caffe-master

https://github.com/BVLC/caffe

这是caffe的主程序，里面包含了各种网络层以及函数的实现。下载好之后，编译运行，跑通mnist，证明你已经装好caffe（虽然我这里说的简单，但是其实配置起来可能很多人都会出点问题，但不是这篇博客的重点，如果有需要这方面 的配置，可以评论回复，我后面再加上这方面的教程）

2.github下载FCN的网络模型

https://github.com/shelhamer/fcn.berkeleyvision.org 

下载好模型之后，怎么用呢？不要紧张，因为步骤1中我们编译好了caffe的主程序，我们现在只要把这个模型文件直接放到caffe-master的主文件下就好了，如图所示

3.放置好模型，现在就是配置相关路径

这里我们打开众多FCN模型中的voc-fcn8s这个文件夹：

caffemodel-url中是训练之前预加载的权值模型的下载地址，打开这个文件，并下载这个模型

deploy.protptxt是训练好模型之后，进行图片预测的网络模型

net.py是生成网络模型的文件，暂时用不到

solve.py和solve.prototxt是网络训练之前一些数据路径和参数的设置

train.prototxt和val.prototxt不用说了，一个是训练模型，一个是训练过程中测试的模型

好下面开始修路径，打开solve.py，修改如下图所示：

见图中画框的部分，第一个框是加载你python与caffe的接口部分路径，第二个框是你下载的训练之前的权值模型，第三个框是不用解释，至于第四个框是你的训练数据data里面的一个路径，至于segvalid11.txt这个文件你可能没有，没有关系后面给出。还有就是注释了一条caffe.set_mode_gpu()!!!!修改完这个文件，打开solver.prototxt,修改

如下：

：

第一个框不用说是什么路径很明显，第二个框是你训练时保存的模型地址。其中参数：、

test_iter是测试时，一次会测试多少张图片

display是训练多少次，终端中展示一次loss值

max_iter是训练最多多少次（但是似乎这里不管用，前面solver.py里面那个才循环是关键，有兴趣的自己可以看看）

snapshot是训练到多少次保存一次

其他参数，可以自行百度，我就介绍开始训练大概需要知道的几个。这个设置完成之后，就差最后一步路径设置了

打开train.prototxt:

修改路径到dataset的位置，可能很多人没有dataset这个文件，请点击这里下载

同理打开val.prototxt，修改路径至voc2011网上很多，自行下载，其中seg11valid.txt就是voc中的val.txt,将voc中的VOC2012\ImageSets\Segmentation\val.txt改名成seg11valid.txt即可，另外上述的那个solve.py中那个segvalid11.txt也是这个文件，那个路径也改成这个即可。

4.开始训练

配置路径之后，在终端中cd到caffe-master目录下，运行sudo python fcn.berkeleyvision.org-master/voc-fcn8s/solve.py 即可开始训练，如果出现什么问题，不要紧张，根据提示，一步步修改，一般问题不大。

5.测试

训练好的模型需要测试，测试代码在fcn.berkeleyvision.org-master文件下的infer.py中，至于怎么测试，可以阅读当中的代码，很简单。

总结：

根据上面的步骤不出意外应该差不多就可以训练fcn模型了，我也是在很久之前跑过，现在根据记忆来写的这篇博客，可能有些地方有些疏忽，还请读者谅解，实在不行，可以留言评论，我看到都会解答。