caffe windows+visual studio 2013+cuda8.0训练自己的数据经验

我采用的是AlexNet模型做的图像的一个分类，也是在初始阶段，自己积累了一些经验，分享一下。做以下步骤的前提是先将caffe训练成功。

一、 建立.bat命令文件，将数据转化为mtraindb文件。（有一个小小的经验，可以自己编一个程序实现自动读取文件夹图片， 并产生txt文档，我用的是matlab编的，省很大的力气，你们可以选择一个自己熟悉的语言啦，python，c++，。。。都是可以的啦）

步骤为：1、建立train文件夹，将训练集图片分类编号放进去。

2、建立train.txt文件夹，将训练集图像标签文件输入txt文件。

3、原理同1，建立val测试集图片夹。

4、原理同2，建立val.txt文件

5、新建.bat命令文件，将图片数据转化为mtraindb文件。（写的时候一定要注意路径选择和空格等）

训练过程展示：

成功转化的文件夹为：

二、means.bat命令文件计算均值文件。

步骤1、建立means.bat命令文件，

2、运行.bat文件，这里一定要注意，运行时会提示能否成功读取每一个图像，有时候所有的图片不一定能够完全读取出来，这个时候要检查一下你在建立txt文档时名称是否正确。我的经验是，空格都不能多。

三、训练开始

步骤1、建立strat.bat命令文件开始训练模型。

2、修改train_val.protxt文件，在这里要特别注意batch_size的大小，如果设置的过大会造成内存溢出，如果你的GPU比较小的话，就设置一个小于100的数值，如果还是内存溢出的话就视情况再设小一些，还有一个特别注意的是输出类型要设为自己要分类的类型，原模型里是1000类。

3、修改solver.txt文件，solver文件是参数配置文件，在这里可以设置你的模型保存路径，accuracy.loss值产生频率，以及最终迭代次数。

4、点击运行.bat文件，开始训练，保存的模型为：

四、测试分类结果

步骤1、建立category.txt文件，定义识别类型。

2、建立待测试图片集文件夹。

3、建立result.bat命令文件，测试模型性能。

产生类似于这样的结果就是成功完成自己的训练了。