简单记录一下自己使用caffe的过程和遇到的一些问题。
下载caffe以及安装不详细叙述了， 可参照。
下面准备数据集和训练的过程参照imagenet的过程：可参考
1. 将数据集分为train和validate, 分别写到train.txt和val.txt中。 格式每一行文件名+ 空格 + label （label 是从0开始, 并连续）
00001.jpg 0
00002.jpg 1
00004.jpg 1
00003.jpg 2
2. 将准备好的两个txt， 放到caffe_root/data/myfile/ (caffe_root是caffe的根目录， myfile自己命名）。
3. 进入caffe_root/examples/imagenet/ 目录中， 修改create_imagenet.sh
DATA=data/myfile
TRAIN_DATA_ROOT=/img_full_dir1(img_full_dir1 存放训练图片的目录）
VAL_DATA_ROOT=/img_full_dir2 (img_full_dir2 存放测试图片的目录）
在caffe_root 下执行./examples/imagenet/create_imagenet.sh ， 可以在examples/imagenet 目录下找到，ilsvrc12_train_lmdb ilsvrc12_val_lmdb两个目录
4. 在caffe_root 下执行./examples/imagenet/make_imagenet_mean.sh ， 结果保存在data/ilsvrc12/imagenet_mean.binaryproto
5. 修改models/bvlc_reference_caffenet 下的solver.prototxt和train_val.prototxt， 如果不修改网络的结构， 只需修改图片的大小crop_size <imagewidth。
6.在caffe_root 下执行./examples/imagenet/train_caffenet.sh， 进行训练，训练好的模型放在models/bvlc_reference_caffenet
测试网络及模型
1. 在python下执行， 需要先在根目录下运行makeall make pycaffe makedistribute
2. 将data/ilsvrc12/imagenet_mean.binaryproto 转为numpy格式， 在caffe_root 创建一个mycode的文件夹，创建一个convertmean.py，，内容如下：
#!/usr/bin/pythonimport numpy as npimport syssys.path.append('/caffe_root/python')<span style="white-space:pre"></span>#caffe_root is your caffe root dir need changeimport caffeif len(sys.argv) != 3:print "Usage: python convert_protomean.py proto.mean out.npy"sys.exit()blob = caffe.proto.caffe_pb2.BlobProto()data = open( sys.argv[1] , 'rb' ).read()blob.ParseFromString(data)arr = np.array( caffe.io.blobproto_to_array(blob) )out = arr[0]np.save( sys.argv[2] , out )
3. 执行 pythonconvertmean.py /caffe_root/data/ilsvrc12/imagenet_mean.binaryprotomean.npy
4. 将一张图片放到mycode的目录下，vim testcode.py
#!/usr/bin/pythonimport numpy as npcaffe_root = '/caffe_root/'<span style="white-space:pre"></span>#<span style="font-family: Arial, Helvetica, sans-serif;">caffe_root is your caffe root dir need change</span>import syssys.path.insert(0,caffe_root+'python')import caffeMODEL_FILE = caffe_root + '/models/bvlc_reference_caffenet/deploy.prototxt'<span style="white-space:pre"></span>#your netPRETRAINED = caffe_root + '/models/bvlc_reference_caffenet/caffenet_train.caffemodel'<span style="white-space:pre"></span>#your model IMAGE_FILE = caffe_root + 'mycode/imagename.jpg'<span style="white-space:pre"></span>#your imageimport osif not os.path.isfile(PRETRAINED):print("Downloading pre-trained CaffeNet model…")caffe.set_mode_cpu()#net = caffe.Classifier(MODEL_FILE, PRETRAINED,# mean=np.load(caffe_root + 'mycode/mean.npy').mean(1).mean(1),# channel_swap=(2,1,0),# raw_scale=255,# image_dims=(256, 256))net = caffe.Classifier(MODEL_FILE, PRETRAINED)net.set_raw_scale('data',255)net.set_channel_swap('data',(2,1,0))net.set_mean('data',np.load(caffe_root + 'mycode/mean.npy'))input_image = caffe.io.load_image(IMAGE_FILE)prediction = net.predict([input_image])print 'prediction shape:', prediction[0].shapeprint 'predicted class:', prediction[0].argmax()
以上就是整个过程， 仅供参考。 引用了许多网上的代码。
夫妇一条心，泥土变黄金。
