训练自定义数据.md

训练自定义数据

1. 转换原始（train/test）图像信息为db格式(lmdb/leveldb)

bat file code:

D:\caffe\caffe-master\Build\x64\Release\convert_imageset.exe # convert路径
 -backend lmdb                                               # 若为shuffle，表示数据顺序打乱
 -resize_height=256 -resize_width=256                        # 重新定义图像尺寸
 C:\Users\SHEN\Desktop\guangjiao\                            # txt文件对应的根目录
 C:\Users\SHEN\Desktop\guangjiao\at.txt                      # 数据列表+label
 C:\Users\SHEN\Desktop\output_lmdb                           # 输出db文件路径
pause

其中，以mnist为例

Build\x64\Release\convert_mnist_data.exe 
--backend=lmdb 
examples\mnist\mnist_data\train-images.idx3-ubyte 
examples\mnist\mnist_data\train-labels.idx1-ubyte 
examples\mnist\mnist_data\mnist_train_lmdb
# 训练集与测试集分开
Build\x64\Release\convert_mnist_data.exe 
--backend=lmdb examples\mnist\mnist_data\t10k-images.idx3-ubyte 
examples\mnist\mnist_data\t10k-labels.idx1-ubyte 
examples\mnist\mnist_data\mnist_test_lmdb

2. 生成均值文件mean.binaryproto

D:\caffe\caffe-master\Build\x64\Release\compute_image_mean.exe #vs的release下生成的均值计算exe
C:\Users\SHEN\Desktop\output_lmdb 							   # lmdb文件所在路径
C:\Users\SHEN\Desktop\mean.binaryproto    					   # 生成的binaryproto
--backend=lmdb								   				   #数据模式

4. 训练数据

Build\x64\Release\caffe.exe 
train 
--solver=examples/mnist/lenet_solver.prototxt

4. 新建标签文件txt

根据label顺序依次展开，用回车区分

5. 用生成的模型训练自己数据

D:\caffe\caffe-master\Build\x64\Release\classification.exe # caffe分类器
examples\mnist\lenet.prototxt 							   # 网络原型
examples\mnist\lenet_iter_10000.caffemodel 				   # 生成的模型
mean.binaryproto 										   # 生成的均值文件
examples\mnist\synset_words.txt 						   # 标签文件
examples\mnist\0.bmp 									   # 测试图