Step1 : 进入命令窗口
这里说一个进入命令窗口的快捷方法: 用鼠标点一下你配好的caffe-master(有些人肯是caffe-window)文件夹,即选中了该文件夹,然后按住Shift键并鼠标右击该文件夹,在“打开”选项下方有“在此处打开命令窗口(W)”选项,点击该选项即可进入命令窗口。如下图所示
不要奇怪我的命令窗为什么是灰色的,这个是可以自己设置的,默认是黑底白字。
Step2: 下载MNIST数据
下载mnist数据集解压后得到的四个文件就如下图所示:
附上mnist数据集下载链接:链接 PS:把如上四个文件解压到./caffe-master/data/mnist文件夹中。
Step3: 数据转成lmdb格式 在命令窗里敲命令:.\Build\x64\Release\convert_mnist_data.exe -backend=lmdb .\data\mnist\train-images.idx3-ubyte .\data\mnist\train-labels.idx1-ubyte .\examples\mnist\mnist_train_lmdb 最好复制粘贴,免得出错,不要多复制空格,这个小点‘.’不要忘记复制。这个命令运行完,在\caffe-master\examples\mnist文件夹下会生产一个名为mnist_train_lmdb的文件夹,里面有data和lock两个文件。这就表示训练数据就生成了。
接下来生产测试数据,方法类似。
在命令窗里敲命令:.\Build\x64\Release\convert_mnist_data.exe -backend=lmdb .\data\mnist\t10k-images.idx3-ubyte .\data\mnist\t10k-labels.idx1-ubyte .\examples\mnist\mnist_test_lmdb 这个命令运行完,在\caffe-master\examples\mnist文件夹下会生产一个名为mnist_test_lmdb的文件夹,里面有data和lock两个文件。这表示测试数据就成功生成了。
Step4: 训练自己的模型
你可以选择时在GPU or CPU上训练,通过修改lenet_solver.prototxt文件的最后一行来决定,该文件的位置\examples\mnist\lenet_solver.prototxt,打开这个文件可以用记事本。如果用GPU训练就改成这样: solver_mode:GPU 修改完记得保存,然后在命令窗里敲一下命令:.\Build\x64\Release\caffe.exe train -solver=.\examples\mnist\lenet_solver.prototxt 即可开始训练
训练完成后如上图,这里我为了节约时间迭代1000次,你如果不修改应该是迭代10000次。通过修改lenet_solver.prototxt文件“max_iter”参数为1000即可,你可以按自己的需要修改。
训练完成后,会在\caffe-master\examples\mnist文件夹下生成如上图四个文件,分别是迭代5000次和10000次时保存的训练模型。
*Step5: 测试模型 在命令窗口敲命令:.\Build\x64\Release\caffe.exe test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel 即可开始测试
测试过程很快,上图是测试结果。到这里所有步骤都结束了,大功告成!
PS:复制命令时,一定要检查是否多复制了空格。
如果你觉得对你有点帮助,请帮顶一个。