假設處理Pascal VOC資料集，

影象檔案存放路徑：/home/my/caffe/data/pascal/JPEGImages/（訓練影象和測試影象在一個資料夾內，）

train.txt路徑：/home/my/caffe/data/pascal/

val.txt路徑：/home/my/caffe/data/pascal/

網路訓練檔案路徑：/home/my/caffe/examples/pascal

其中網路訓練檔案就是將/home/my/caffe/examples/imagenet資料夾中的文件全部複製過來，修改檔名。

1.前期準備：

我們有兩個資料集：訓練集train和測試集val，train和val資料夾中存放了原始影象，train.txt

2.生成lmdb檔案

修改create_pascal.sh（就是create_imagenet.sh檔案，只是根據需要改了名字）

#!/usr/bin/env sh
# Create the pascal lmdb inputs
# N.B. set the path to the pascal train + val data dirs
set -e
EXAMPLE=examples/pascal #輸出lmdb的路徑，這裡無需新增絕對路徑，且路徑前後都沒有“/”
DATA=data/pascal        #txt檔案的路徑
TOOLS=build/tools       
 
#TRAIN_DATA_ROOT=/path/to/pascal/train/
#VAL_DATA_ROOT=/path/to/pascal/val/
 
TRAIN_DATA_ROOT=data/pascal/JPEGImages/   #訓練影象路徑
VAL_DATA_ROOT=data/pascal/JPEGImages/     #測試影象路徑
 
# Set RESIZE=true to resize the images to 256x256. Leave as false if images have
# already been resized using another tool.
RESIZE=true         #資料集影象需要更改大小的話就設為true，否則false
if $RESIZE; then
  RESIZE_HEIGHT=256
  RESIZE_WIDTH=256
else
  RESIZE_HEIGHT=0
  RESIZE_WIDTH=0
fi
 
if [ ! -d "$TRAIN_DATA_ROOT" ]; then
  echo "Error: TRAIN_DATA_ROOT is not a path to a directory: $TRAIN_DATA_ROOT"
  echo "Set the TRAIN_DATA_ROOT variable in create_pascal.sh to the path" \
       "where the pascal training data is stored."
  exit 1
fi
 
if [ ! -d "$VAL_DATA_ROOT" ]; then
  echo "Error: VAL_DATA_ROOT is not a path to a directory: $VAL_DATA_ROOT"
  echo "Set the VAL_DATA_ROOT variable in create_pascal.sh to the path" \
       "where the pascal validation data is stored."
  exit 1
fi
 
rm -rf $EXAMPLE/pascal_train_lmdb    #刪除原有lmdb檔案，否則無法執行第二次
rm -rf $EXAMPLE/pascal_val_lmdb      
 
echo "Creating train lmdb..."
 
GLOG_logtostderr=1 $TOOLS/convert_imageset \
    --resize_height=$RESIZE_HEIGHT \
    --resize_width=$RESIZE_WIDTH \
    --shuffle \
    $TRAIN_DATA_ROOT \
    $DATA/train.txt \
    $EXAMPLE/pascal_train_lmdb
 
echo "Creating val lmdb..."
 
GLOG_logtostderr=1 $TOOLS/convert_imageset \
    --resize_height=$RESIZE_HEIGHT \
    --resize_width=$RESIZE_WIDTH \
    --shuffle \
    $VAL_DATA_ROOT \
    $DATA/val.txt \
    $EXAMPLE/pascal_val_lmdb
 
echo "Done."
 

3.二進位制均值檔案make_pascal_mean.sh

#!/usr/bin/env sh
# Compute the mean image from the imagenet training lmdb
# N.B. this is available in data/ilsvrc12
 
EXAMPLE=examples/pascal  #同第2步
DATA=data/pascal
TOOLS=build/tools
 
$TOOLS/compute_image_mean $EXAMPLE/pascal_train_lmdb \
  $DATA/pascal_mean.binaryproto
 
echo "Done."
 

4.如何在原有訓練模型上繼續訓練？

在訓練資料夾中建立resume_train.sh，內容與訓練sh檔案相同，開啟後，

#!/usr/bin/env sh
set -e
./build/tools/caffe train \
--solver=examples/pascal/solver.prototxt [email protected]

在刪除“[email protected]”後新增“\”，新增

--snapshot=examples/pascal/caffenet_train_10000.solverstate.h5

create_pascal.sh內容為

#!/usr/bin/env sh
set -e
./build/tools/caffe train \
--solver=examples/pascal/solver.prototxt \
--snapshot=examples/pascal/caffenet_train_10000.solverstate.h5

說明在迭代10000次之後的模型（模型檔案caffenet_train_10000.solverstate.h5，其實還有一個檔案，不過填的是這個）中繼續訓練。