【caffe学习笔记——cifar10】win10+caffe环境下cifar10运行

      本人初学深度学习——caffe框架，想用几个实例来入门，cifar10为其中之一，在参考了博主汽车数据技术前瞻的帖子：http://blog.****.net/lance313/article/details/53964874之后，将学习内容进行了总结，总结的内容基本和我参考的帖子差不多，主要目的是加深印象并方便以后查阅。

##cifar数据集的介绍##

         Cifar-10是由Hinton的两个大弟子Alex Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。Cifar是加拿大政府牵头投资的一个先进科学项目研究所。这个项目结集了不少计算机科学家、生物学家、电气工程师、神经科学家、物理学家、心理学家，加速推动了DL的进程。DL强调的是自适应感知和人工智能，是计算机与神经科学交叉。DM强调的是高速、大数据、统计数学分析，是计算机和数学的交叉CIFAR-10数据集含有6万个32*32的彩色图像，共分为10种类型，包含50000张训练图片，10000张测试图片数据集的数据存在一个10000*3072的数组中，单位是uint8s，3072是存储了一个32*32的彩色图像。（3072=1024*3）。前1024位是r值，中间1024是g值，后面1024是b值。这个数据集最大的特点在于将识别迁移到了普适物体，而且应用于多分类（姊妹数据集Cifar-100达到100类，ILSVRC比赛则是1000类）。

#数据集的下载#

     官方网址：http://www.cs.toronto.edu/~kriz/cifar.html

     为防止文件的混乱，在E:\caffe\caffe-master\examples\cifar10目录下新建一个input文件夹，将下载的数据集解压到此文件夹下。

#数据集格式的转换#

       因为caffe框架下数据集文件格式为leveldb，因此要把上述文件转换成leveldb格式。同样在E:\caffe\caffe-master\examples\cifar10目录下新建一个output文件夹，将转换后的文件放在此文件夹下；

        在cifar10目录下打开命令提示符界面（方法：打开cifar10文件夹，在目录框内输入cmd，点击回车），输入一下内容：“convert_cifar_data input output leveldb",如下：

    此时output文件夹下有了cifar10_train_leveldb和cifar10_test_leveldb两个文件。

    

#计算均值#

      同样在E:\caffe\caffe-master\examples\cifar10目录下新建一个test文件夹，将计算的均值文件放在此文件夹中；在cifar10目录下打开命令提示符界面，输入以下内容：“compute_image_mean output/cifar10_train_leveldb test/mean.binaryproto --backend leveldb”。如下：

 

  运行成功后在test文件夹下会出现mean.binaryproto均值文件。

         

#训练模型#

       第一步，修改两个文件内容：

        第一个，E:\caffe\caffe-master\examples\cifar10目录下的cifar10_quick_solver.prototxt文件，若你使用CPU进行训练则改为CPU，若使用GPU进行训练则改为GPU。注：此处我用GPU。

         

      第二个，E:\caffe\caffe-master\examples\cifar10目录下的cifar10_quick_train_test.prototxt文件，将里面的文件路径和backend进行修改：

         

       第二步，开始训练模型

        在E:\caffe\caffe-master目录下打开命令提示符界面，输入：Build\x64\Release\caffe.exe train -solver=examples/cifar10/cifar10_quick_solver.prototxt

    训练完成后，在E:\caffe\caffe-master\examples\cifar10目录下生成了cifar10_quick_iter_4000.caffemodel.h5和cifar10_quick_iter_4000.solverstate.h5文件。

    但是在后期应用中需要caffemodel文件而非caffemodel.h5文件，因此需要将cifar10_quick_solver.prototxt文件中第23行注释掉，再次进行训练。

    

      训练完成，此时在E:\caffe\caffe-master\examples\cifar10目录下生成了cifar10_quick_iter_4000.caffemodel和cifar10_quick_iter_4000.solverstate文件。

#模型调用测试#

       第一步，标签文件；

       在E:\caffe\caffe-master\examples\cifar10目录下新建一个文本文档synset_words.txt，里面依次写入如下标签：

    

   第二步，准备被测试图片，这里使用了一张猫的图片cat.jpg：

    

   第三步，在E:\caffe\caffe-master\examples\cifar10目录下打开命令提示符界面，输入以下内容：classification cifar10_quick.prototxt cifar10_quick_iter_4000.caffemodel.h5 test\mean.binaryproto synset_words.txt cat.jpg

注：关于cifar数据集训练模型的详细信息可参考：http://www.cnblogs.com/neopenx/p/4480701.html