用Caffe for Windows版本配置并训练cifar10

本人想自己试验训练一个基于resnet的cifar10模型，但是想了想，还是想训练一个基本的cifar10再说，一步一步来。所以，本文以examples/cifar10/为例，主要用于小图片的分类。

---

第一步： 下载cifar10数据集

该数据有 60000张32*32彩色图片，50000张训练，10000张测试

下载cifar10数据集：http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz

将下载好并解压好的数据存放于/data/cifar10/路径

下载好的原始数据是BINARY（二进制）格式的，需要转换成LMDB或LEVELDB格式才能被Caffe识别（本文以LEVELDB格式为例）。

第二步： 将数据转换为leveldb格式

我们已经编译好Caffe，可参考前面的博客Caffe环境搭建，只需要在根目录D:\caffe-master下编写一个脚本，完成后双击该脚本即可，我是将Caffe的源码解压在D盘的。

脚本文件如下所示：

.\Build\x64\Release\convert_cifar_data.exe ./data/cifar10 ./examples/cifar10 leveldb
pause

脚本代码解释如下所示：
.\Build\x64\Release\convert_cifar_data.exe 表示图像数据处理需要的可执行文件

./data/cifar10 表示输入数据文件路径

./examples/cifar10 表示输出数据文件路径

leveldb 表示数据格式，你也可以尝试生成lmdb格式

第三步： 生成图像数据均值文件

我们已经编译好Caffe，只需要在目录D:\caffe-master下编写一个脚本就好，完成后双击脚本。

---

注意1：要如何编写bat脚本文件？其实就是新建一个文本文件，然后将后缀名改写成bat就可以了。
注意2：由于lmdb在windows下无法使用lmdb的库，所以要改成leveldb。又因为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。

---

脚本如下所示：

.\Build\x64\Release\compute_image_mean.exe -backend=leveldb ./examples/cifar10/cifar10_train_leveldb mean.binaryproto
pause

脚本代码解释如下所示：

.\Build\x64\Release\compute_image_mean.exe 表示图像数据进行初始化处理，需要compute_image_mean.exe可执行文件
-backend=leveldb 表示数据格式，如果不添加这句话的，默认转化为lmdb

./examples/cifar10/cifar10_train_leveldb 表示刚才生成的训练数据集的路径，而不是val验证数据集的路径

mean.binaryproto 表示输出均值文件名，后缀名为binaryproto。这里默认保存在当前路径下，也就是在D:\caffe-master。

第四步：配置网络文件

该版本的网络配置文件有很多，我这里用/examples/cifar10/cifar10_quick_train_test.prototxt。打开之后修改训练数据和验证数据以及均值文件的路径；修改里面的mean_file和source的路径，backend一律改为LEVELDB。如下图所示，红色部分为修改过后的：

---

注意：训练数据和验证数据以及均值文件的路径中不能有 “\”，因为可能“\ ”符号会把特殊的东西转为转义字符，所以文件路径必须以“*D: /SystemProgram/MySql”的形式出现。*

---

由于我是GPU模式的，之前配置过invida,所以在/examples/cifar10/cifar10_quick_solver.prototx文件里面的模式为GPU；如果没有GPU的朋友，需要改为CPU，如下图所示，红色圆圈为修改过的，原先为GPU模式。

第五步： 训练日志

由于使用了cifar10_quick_train_test.prototxt，对应的在模型训练设置文件上我们使用cifar10_quick_solver.prototxt，其实不需要修改内容，当然你也可以自己指定一些参数。

我们已经编译好Caffe，只需要在根目录D:\caffe-master下编写一个脚本，完成后双击该脚本即可。

.\Build\x64\Release\caffe.exe train –solver=examples/cifar10/cifar10_quick_solver.prototxt
pause

要是想进行验证的话，可以修改命令为：

.\Build\x64\Release\caffe.exe test –model=examples/cifar10/cifar10_quick_train_test.prototxt
pause

在examples/cifar10/文件夹中，找到了训练出来的模型cifar10_quick_iter_5000.caffemodel。

最后，部分结果如下：

总结一下训练一个网络用到的相关文件：

• 1：cifar10_quick_solver.prototxt：方案配置，用于配置迭代次数等信息，训练时直接调用caffe train指定这个文件，就会开始训练

• 2：cifar10_quick_train_test.prototxt：训练网络配置，用来设置训练用的网络，这个文件的名字会在solver.prototxt里指定

• 3：cifar10_quick_iter_4000.caffemodel.h5：训练出来的模型，后面就用这个模型来做分类

• 4：cifar10_quick_iter_4000.solverstate.h5：也是训练出来的，应该是用来中断后继续训练用的文件

• 5：cifar10_quick.prototxt：分类用的网络