文介紹如何使用caffe對自己的影象資料進行分類。

1 圖片資料庫準備

由於圖片資料收集比較費時，實驗室資料庫分為5類，1 2 3 4 5類，train150張，val256張。

新建一個資料夾leveldb，放自己的資料，在leveldb資料夾下新建train和val資料夾，train資料夾下新建1、2、3、4、5資料夾分別存放150張類別圖片，val資料夾同樣如此。注樣如此。

train資料夾

val資料夾

1 2 3 4 5類資料夾記憶體儲的是每類的圖片，比如我的1資料夾中為

2 轉換成leveldb格式

在leveldb資料夾下新建兩個txt檔案：train.txt和val.txt，列出對應圖片名及其標籤。

資料量較少的可以手動標籤，資料量較大的話，可以寫批處理命令，比較方便。

批處理的方式可以使用.bat命令列，  

注意：標籤一定要從零開始標起

開啟新件的文字文件，並輸入DIR *.* /B > 檔名稱列表.txt

儲存後關閉。然後使用word開啟txt，替換那種方式更改名稱

請注意前面檔名稱的路徑問題，這些如果在轉換格式的命令列中，若報錯找不到該圖片的話就是名稱路徑問題，根據報錯的路徑更改txt中圖片的名稱，0 1 2 3 4代表五類資料

生成列表後，編譯convert_imageset.cpp

在\caffe-master\Build\x64\Release\convert_imageset.exe。做一個批處理命令將圖片資料轉換成leveldb格式。

在caffe-windows資料夾下新建convertimage2ldb.bat。

.bat命令可以由txt改字尾得到，前面是命令，中間是resize大小，--shuffle --backend="leveldb"是leveldb資料格式，對應的--shuffle --backend="lmdb"是lmdb資料格式  ，F:\caffe-master\data\leveldb\train  F:\caffe-master\data\leveldb\train.txt是之前定義的train的檔案路徑，F:\caffe-master\data\leveldb\mtrainldb是儲存轉換好的訓練資料的路徑。

雙擊執行，在leveldb資料夾下就會出現mtrainldb資料夾。

同理可得到mvalldb。這兩個就是caffe需要的資料。

注意，我的leveldb資料夾是放在data資料夾下的，在寫convertimage2ldb.bat時注意你自己路徑。

3 計算mean

這個比較簡單，編譯comput_image_mean.cpp

利用comput_image_mean.exe。做一個computeMean.bat方便以後使用。

注意資料格式型別

然後搜尋

caffe db_lmdb.hpp:14] Check failed: mdb_status == 0 (2 vs. 0) No such file or directory

4 訓練自己的網路

資料集和均值檔案都生成之後，訓練和前面兩篇文章類似。這次我直接使用的是imagenet的網路結構，幾乎沒怎麼修改，所以我將imagenet裡面的imagenet_train.prototxt、imagenet_val.prototxt、imagenet_solver.prototxt直接拷過來修改一下。

imagenet_val.prototxt、imagenet_train.prototxt裡面的

source: "mtrainldb"

mean_file:"mimg_mean.binaryproto"

batch_size: 10

還有最後一層的output改為5，因為我只有五類。

imagenet_solver.prototxt裡面的網路引數修改：

注意最後根據自己電腦的配置選擇 solver_mode:GPU 還是CPU

開始訓練：