linux下mnist驗證caffe與結果可視化

此篇爲了記錄過程如題。

1. linux下配置編譯caffe網上資源很多。在make runtest和import caffe成功後進行本文的實驗。

2. 下載數據：
   cd ~/caffe/
   ./data/mnist/get_mnist.sh
   ./examples/mnist/create_mnist.sh
   修改配置：
   cd ~/caffe/
   sudo gedit ./examples/mnist/lenet_solver.prototxt
   修改：solver_mode: CPU
   訓練模型：
   cd ~/caffe/
   ./examples/mnist/train_lenet.sh（log順便記錄下，下部分有）

3. 結果可視化：
   caffe中其實已經自帶了這樣的小工具 caffe-master/tools/extra/parse_log.sh caffe-master/tools/extra/extract_seconds.py和 caffe-master/tools/extra/plot_training_log.py.example ，使用方法如下：
   （1）新建自己的log文件，注意目錄對應。在caffe下mkdir log；
   在訓練過程中的命令中加入一行參數 ，實現Log日誌的記錄：gedit ./examples/mnist/train_lenet.sh
   寫入：
   LOG=log/train-date +%Y-%m-%d-%H-%M-%S.log
   CAFFE=~/caffe/build/tools/caffe
   ./build/tools/caffe train –solver=examples/mnist/lenet_solver.prototxt 2>&1 | tee LOG @
   （2）解析訓練日誌
   將最上面說的3個腳本文件拷貝到Log 文件夾下.
   ./parse_log.sh caffe.log (自己的名字)
   後面的參數爲log文件名，這樣就會在當前文件夾下生成一個.train文件和一個.test文件
   （3）生成圖片
   ./plot_training_log.py.example 2 save.png caffe.log
   就可以生成訓練過程中的Test accuracy vs. Iters 曲線,其中0代表曲線類型， save.png 代表保存的圖片名稱。
   caffe中支持很多種曲線繪製，通過指定不同的類型參數即可，具體參數如下：

   Notes:
   1. Supporting multiple logs.
   2. Log file name must end with the lower-cased “.log”.
   Supported chart types:
   0: Test accuracy vs. Iters
   1: Test accuracy vs. Seconds
   2: Test loss vs. Iters
   3: Test loss vs. Seconds
   4: Train learning rate vs. Iters
   5: Train learning rate vs. Seconds
   6: Train loss vs. Iters
   7: Train loss vs. Seconds