新手的caffe学习总结（图像识别）

公司要往图像识别方面拓展业务，奈何没有人对这方面有哪怕稍微深入点的了解，本人荣挑重担，从只知道AI这个名词的小白开始学习深度学习。到现在学习caffe接近两个月了，中间走了很多弯路，遇到很多对新手来说是难题，对熟悉这方面的人来说却简单到不认为是问题的问题。所以总结下来供像我这样的新手学习

一、Linux

1、进入root权限

执行下面的代码

sudo su

然后提示输入密码，就可以进入root权限了（root权限相当于windows下的管理员权限，密码是系统的开机密码）

2、修改文件的权限

有些文件在Linux系统下显示带锁的图标，这样的文件不能直接修改删除，所以一般需要修改权限

我通常用下面的代码修改

chmod 777 -R /path/to/file

注意：-R中的“R”一定要大写

二、caffe

1、生成日志文件

使用caffe生成模型的时候，我们可能想生成loss、accuracy曲线，方便查看参数对模型好坏的影响。如果用python的方法，每次生成曲线都要重新训练模型，非常浪费时间，所以我采用caffe自带的文件来完成任务

首先生成 .log文件（此文件会自动保存你训练过程中terminal显示的内容）执行代命令如下：

time sh examples/myfile/train.sh 2>&1 | tee examples/myfile/record1.log

time：在terminal中显示训练花费的时间

sh examples/myfile/train.sh ：执行myfiile文件夹下的train.sh文件，（训练模型要执行的文件）

examples/myfile/record1.log ：生成的log文件要保存的位置，record1是保存的文件名

2、利用log文件生成loss函数

命令如下：

./tools/extra/plot_training_log.py.example "0" "image.png" examples/myfile/record1.log

./tools/extra/plot_training_log.py.example ：调用tools下的文件，用来生成曲线，不用管直接用

“0” ：此处可以改为0、1、2、3、4、5、6、7，用来生成不同的曲线，可以自行尝试

“image.png” ：生成的曲线保存的位置和保存的文件名

examples/myfile/record1.log ：要调用的log文件（上一步生成的log文件）

3、修改图片大小

命令：

for name in /home/username/caffe/data/image/train/0/*.jpg; do convert -resize 256x256\! $name $name; done

/home/username/caffe/data/image/train/0/*.jpg ：要修改图片的位置；“jpg”图片格式

4、C++方法查看模型对图片的识别概率

命令：

sudo ./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt \models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \data/ilsvrc12/imagenet_mean.binaryproto \data/ilsvrc12/synset_words.txt \examples/images/cat.jpg

classification.bin ：caffe自带的图片分类器

deploy.prototxt ：类似train_val.prototxt文件，但又不同，只用于使用模型进行图像识别的时候（没有这个文件或者不知道怎么修改这个文件，可自行百度）

bvlc_reference_caffenet.caffemodel ：要使用的模型，可以替换成你自己的模型

imagenet_mean.binaryproto ：对应的均值文件

synset_words.txt ：图片类别对应的含义。训练的数据集带有标签，使用模型分类的结果会给出标签，这个文件用来解释标签代表的含义

如图，我的synset_words.txt文件（不过我把文件名改为：label.txt。注意此文件一定要在Linux下创建编辑完成，不能直接在windows下创建，复制到Linux下，不然输出的概率值的格式很奇怪）