《智能系统与技术丛书 深度学习实践：基于Caffe的解析》—3.4Caffe简单训练分类任务

3.4　Caffe简单训练分类任务

       1.需要准备的数据集

       到官网上下载cifar10数据集，如果使用的是C++，那么下载.bin文件。官网对该数据集的介绍已经很详细了，这里就不再说明了。下载完成之后，解压，会看到共有6个“.bin”文件，前面5个是训练集，最后一个是测试集，如图3-3所示。

图　3-3

       2.将数据集转换为LevelDB

       第一步，生成convert_cifar_data.exe文件。将examples/cfar10目录下的convert_cifar_data.cpp文件加入到工程中，如图3-4和图3-5所示。

图　3-4

       然后，运行编译，在相应的文件夹中将生成的exe文件重命名为convert_cifar_data.exe。

       第二步，产生数据集。

       首先，在convert_cifar_data.exe所在的文件夹目录下，新建两个文件夹，分别命名为input_folder和output_folder。在input_folder中放入第一阶段准备好的cifar10数据，output_folder为转换数据之后的存储位置。

       然后，在同级目录下新建一个批处理文件，使其后缀名为“.bat”，输入以下内容并保存：

       convert_cifar_data.exe  input_folder output_folders leveldb  

    pause  

       接着，运行“.bat”，如图3-6所示。

图　3-6

       运行完成后，output_folders文件夹中将会产生两个新的文件夹，如图3-7所示。

       这两个文件夹中的内容如图3-8和图3-9所示。

图　3-7

图　3-8

图　3-9

       至此已经成功将数据集转换为LevelDB。

       3. 生成均值文件

       将tools文件夹中的compute_image_mean.cpp文件导入工程中，如图3-10所示。

       编译成功后，相应的文件夹目录下将会生成exe文件，将其命名为compute_image_mean.exe，如图3-11所示。

                                                                      图　3-10                                                                                图　3-11

       然后，在当前目录下新建一个bat文件，内容如下：

       compute_image_mean.exe 

       output_folders/cifar10_train_leveldb ./mean.binaryproto 

       --backend=leveldb pause

       最后，运行“.bat”，如图3-12所示。

图　3-12

       运行之后，当前文件夹下会生成一个mean.binaryproto文件（如图3-13所示），该文件即为均值文件。

图　3-13

       4. 训练cifar10数据集

       首先，将examples\cifar10文件下的cifar10_quick_trian_test.prototxt和cifar10_quick_solver.prototxt复制到均值文件所在的目录之下，如图3-14所示。

图　3-14

       然后，修改cifar10_quick_train_test.prototxt文件中的mean_file和source的路径，即将backend修改为LevelDB，如图3-15所示。

       之后，修改cifar10_quick_solver.prototxt文件中的net和snapshot prefix的路径，如图3-16所示。

图　3-15

图　3-16

        接下来就可以编译caffe.exe了。

        将caffe.cpp文件加入到工程项目下并编译，然后将生成的caffe.exe文件移动到均值文件目录下（如图3-17所示）。

图　3-17

现在，新建一个bat文件，其内容具体如下：

        Caffe.exe train 

        --solver=D:/CaffeeLibs/Data/cifar-10/cifar10_quick_solver.prototxt

        pause  

        执行上述命令，开始训练，如图3-18所示。

图　3-18

        训练完成后的截图如图3-19所示。

图　3-19

       此时，当前目录下将会生成一个cifar10_quick_iter_4000.caffemodel.h5文件，这表明cifar10的训练已经顺利完成。

       在这一节中，大家需要学习的是，在已知的各种标注信息的情况下如何训练一个数据，并生成LevelDB和LMDB的脚本。