caffe for windows 實現cifar10圖像訓練生成caffemodel

本文主要的環境是caffe+win8+vs2013+cuda7.0使用了gpu。Solution是在release版本下。具體的環境請看我轉載的happynear大神搭建的caffe框架。

一、數據集準備

到官網中下載cifar10數據集，如果使用的是c++，那麼下載.bin文件。數據集介紹已經很詳細了。cifar10數據集官網下載

下載並解壓，看到共有6個.bin文件，前面五個是訓練集，最後一個是測試集。

二、將數據集轉成leveldb格式

用vs2013打開項目工程。有一個project是convert_cifar_data。（若沒有，則可以在Solution新建一個cuda project，導入tools文件夾中的convert_cifar_data.cpp文件，配置環境即可）。

編譯這個project，之後會在../../examples/cifar10/文件夾下找到convert_cifar_data.exe。

新建兩個文件夾，分別命名爲input_folder,output_folder。input_folder中放入第一階段準備好的cifar10數據。output_folder爲轉換數據之後存儲位置。

同級目錄下新建一個批處理文件，後綴名.bat，輸入以下內容並保存。

convert_cifar_data.exe  input_folder output_folders leveldb
pause

這裏將數據集轉成了leveldb格式。運行convet_cifar_data.bat文件，完成數據的轉換。

三、計算數據的均值文件

新建一個cuda project，命名爲compute_image_mean，導入tools文件夾中的compute_image_mean.cpp文件，配置環境。

編譯，輸出路徑爲爲../../bin\，所以，在bin 文件夾下找到生成的compute_image_mean.exe。

將第二階段生成的input_folder,output_folder拷貝過來。同級目錄下新建一個.bat文件。輸入以下內容並保存。

compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryproto

pause

運行compute_image_mean.bat文件，生成了mean.binaryproto文件。這個文件即爲均值文件。

四、訓練cifar10數據集

在examples/cifar10/文件夾中，找到cifar10_quick_trian_test.prototxt。

修改裏面的mean_file和source的路徑。backend一律改爲LEVELDB。

只要是編譯好的caffe框架，在bin文件夾裏面都有一個caffe.exe。這是一個訓練數據集的可執行文件，在上級目錄下新建一個.bat，添加內容，保存並運行。

.\bin\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt
pause

看到在dos窗口已經開始訓練了，訓練迭代次數等參數均在cifar10_quick_solver.prototxt文件中。這裏採用了gpu訓練，迭代了4000次，最終的訓練精度爲0.7061。

在examples/cifar10/文件夾中，找到了訓練出來的模型cifar10_quick_iter_4000.caffemodel。