一：目的

用配置好的Windows版本Caffe(no GPU)，訓練cifar10數據；

二：cifar10簡介

Cifar-10由60000張32*32的RGB彩色圖片構成，共10個分類。50000張訓練，10000張測試（交叉驗證）。這個數據集最大的特點在於將識別遷移到了普適物體，而且應用於多分類（姊妹數據集Cifar-100達到100類，ILSVRC比賽則是1000類）。

三：訓練過程

1. cifar-10數據集下載；

下載完成後的數據集並解壓後放在caffe-windows\examples\cifar10\input下，如圖所示

2. 對原始數據進行轉換；

(1) 新建caffe-windows\mybat\cifar10文件夾，並在其中新建cifar10_convention.bat，對數據格式進行轉換，批處理文件內容如下
..\..\Build\x64\Release\convert_cifar_data ..\..\examples\cifar10\input ..\..\examples\cifar10\output leveldb
pause
(2) 轉換完成後，在caffe-windows\examples\cifar10\output文件下會生成cifar10_train_leveldb文件夾和cifar10_test_leveldb文件夾，裏面的內容爲

3. 對轉換後的數據計算均值；

新建caffe-windows\mybat\cifar10\cifar10_mean.bat文件，編寫批處理命令如下
..\..\Build\x64\Release\compute_image_mean ..\..\examples\cifar10\output\cifar10_train_leveldb ..\..\examples\cifar10\test\mean.binaryproto --backend leveldb
pause
運行結束後，會在caffe-windows\examples\cifar10\test生成mean.binaryproto文件
4. 修改caffe-windows\examples\cifar10\cifar10_quick_train_test.prototxt爲如下

該文件是網絡結構的配置文件，主要修改的地方有三個，分別爲source，表示的是數據，選擇剛纔生成的數據即可。其次是batch_size，這部分可以根據自己計算機配置進行修改，第三個爲backend，由於剛纔生成的是LEVELDB格式，因此在這裏將其改爲LEVELDB

5. 修改caffe-windows\examples\mnist\lenet_solver.prototxt爲如下

修改相應的net，snapshot_prefix和solver_mode即可

6. 開始訓練

在caffe-windows\mybat\cifar文件夾新建cifar10_train.bat文件，用於數據的訓練，內容如下
..\..\Build\x64\Release\caffe.exe train -solver= ..\..\examples\cifar10\cifar10_quick_solver.prototxt 
pause
雙擊即可運行，運行完成後，會在caffe-windows\examples\cifar10文件夾下生成cifar10_quick_iter_4000.caffemodel.h5和cifar10_quick_iter_4000.solverstate.h5文件
7.測試

(1) 在caffe-windows\examples\cifar10文件夾下新建synset_words.txt文件，表示標籤，裏面的值如下

(2) 用cifar-10數據集中的測試數據進行測試，在這裏，因爲cifar-10數據集中爲純數據，因此我在這裏對其進行了簡單的轉換，生成了100張cifar-10的圖像，將其放在caffe-windows\examples\cifar10\Pic文件夾下

如果有需要，鏈接爲鏈接：https://pan.baidu.com/s/1c3vIap6 密碼：65x5

(3) 在caffe-windows\mybat\cifar10文件夾下新建cifar10_test.bat，對數據進行測試，批處理文件內容如下
..\..\Build\x64\Release\classification ..\..\examples\cifar10\cifar10_quick.prototxt ..\..\examples\cifar10\cifar10_quick_iter_4000.caffemodel.h5 ..\..\examples\cifar10\test\mean.binaryproto ..\..\examples\cifar10\synset_words.txt ..\..\examples\cifar10\Pic\Pic\12_truck.jpg
pause
其中cifar10_quick_iter_4000.caffemodel.h5爲我們訓練生成的結果文件。
預測結果如下

預測的是一個卡車的圖像，預測結果也是一個卡車！

enjoy！

參考：

Caffe上配置和運行Cifar10的示例

caffe典型識別示例CIFAR-10的運行詳解

cifar-10在Caffe上的訓練學習