caffe入门学习（2）：Exmaple mnist训练和测试步骤

编译配置好caffe的环境后，下一步做什么的，直接看什么几层网络，太抽象了，第一步先把流程跑起来，看它能做些什么。

在caffe源码中，自带了三个例子：

mnist
cifar10
ilsvrc12

一个一个来吧，本文先从mnist开始，熟悉caffe的模型训练和测试步骤。

mnist是什么？

MNIST手写数字数据库是另外一个更大的手写体数据库NIST的子集，现在已成为图像识别领域用来测试自己的算法的一个基准数据库，它的训练集由60000张手写数字图片样本组成，测试集包含了10000个样本，其中所有的图片样本都经过了尺寸标准化和中心化，图片的大小固定为28*28。

据说该数据集中的图片是由美国中学生手写的数字，所以非常贴近实际。

还是先看官网的说明：
http://caffe.berkeleyvision.org/gathered/examples/mnist.html

下面就是基本的训练步骤：

1、下载数据。

程序本身不带测试数据，需要去下载，正常步骤应该是用
.\caffe\data\mnist\get_mnist.sh
下载数据，然后用
./examples/mnist/create_mnist.sh
转换格式就可以了
注：Windows下的sh运行方法，就是将后缀名改成“bat”，就可以双击运行。

实际情况，这个脚本自动下载数据，但一般都不成功，可能里面的网址被墙了。

可以直接到此下载：http://pan.baidu.com/s/1hry1f4g

下载好后直接解压，得到两个文件夹

mnist-train-leveldb
mnist-test-leveldb

然后，将这两个文件夹直接拷贝到目录下

.\examples\mnist\

2、修改网络结构文件

lenet_train_test.prototxt

说明：
1）在此给出用于训练的MNIST数据mnist-train-leveldb以及mnist-test-leveldb的路径，路径都改为绝对路径
2）在此定义这个网络都有哪些层，给出每一层的定义
3）数据类型改为LEVELDB

3、设置网络求解文件

lenet_solver.prototxt

说明：
1）在此指明我们要训练的网络是lenet_train.prototxt，给出lenet_train.prototxt的路径，这里要用绝对路径；
2）指定模型输出路径，mnist下的lenet文件夹必须存在，如果不存在就会报错
3）定位到最后一行：solver_mode: GPU，默认是GPU，如你没有GPU则改为CPU

4、修改训练脚本

train_lenet.sh改为 train_lenet.bat

说明：
1）删除# !/user/bin/env sh
2）使用绝对路径

5、训练数据

双击train_lenet.bat开始训练，如果是GPU，会很快完成，用CPU的话就需要多等一段时间。

说明：
1）运行代码初始化时，出现的信息包括每一层的详细信息，其连接和输出形状，该信息有助于debugging.初始化之后，开始training,基于solver setting,根据设置，每100次iterations将会打印出training loss function，每1000次iterations将会测试network,出现的信息中，对于每一次training iteration lr是iteration的learning rate, loss是training function,对于testing phase的输出，score 0 是精确度， scorce 1是 testing loss function.

2）经过几分钟后，Optimization Done信息出现表明训练完成，最终的model，以二进制protobuf file存储在 lenet_iter_10000， 接下来你可以将此训练模型用于实际的数据集。

训练完成后目录下会生成结果：

lenet_iter_10000.caffemodel
lenet_iter_10000.solverstate
lenet_iter_5000.caffemodel
lenet_iter_5000.solverstate

6、用脚本测试

有三种接口可以进行测试数据，命令行、Python、MATLAB，本例中采用命令行进行测试。
1）创建测试命令脚本
新建一个脚本文件，比如命名为 test_lenet_mnist.bat
里面内容为：

e:/caffe/Build/x64/Release/caffe.exe test
–weights=e:/caffe/examples/mnist/lenet_iter_10000.caffemodel -gpu=0

pause

说明：
1）先是test表明是要评价一个已经训练好的模型。
2）然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。

2）双击执行批处理测试

模型lenet_iter_10000.caffemodel测试结果，准确率为 0.9868

更换成 5000次迭代的模型测试，修改脚本双击运行