运行caffe自带的mnist实例教程

运行caffe自带的mnist实例教程

本文结合几篇博文总结下来的，附上其中一篇原博文链接以供参考：http://blog.sina.com.cn/s/blog_168effc7e0102xjr1.html

1、先进入caffe文件目录，(指令：cd ./caffe)，再用data/mnist下的get_mnist.sh下載MNIST数据集，代码如下：

sudo sh ./data/mnist/get_mnist.sh

打开下载目录caffe/data/mnist查看如下图：

2、转换格式，代码如下：

./examples/mnist/create_mnist.sh(若出错：./examples/mnist/create_mnist.sh: 17: ./examples/mnist/create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found。则应先执行编译：make all -j4，然后再执行命令：./examples/mnist/create_mnist.sh)

完成后在examples/mnist生成了两个目录：mnist_test_lmdb和mnist_train_lmdb：

每个目录下有两个文件：data.mdb和lock.mdb：

网络结构定义在./examples/mnist/lenet_train_test.prototxt中。

训练参数配置在./examples/mnist/lenet_solver.prototxt中。

如果电脑有GPU,则不需要修改配置文件;如果没有GPU则需要修改lenet_solver.prototxt，在训练之前需要修改

./examples/mnist/lenet_solver.prototxt最后的（solver_mode: GPU）修改为：solver_mode: CPU

这样保证整个训练过程在CPU上进行。

3、训练超参数，有两种方式：

（1）通过命令行执行训练，代码如下：（这是书上的例子，可以参考网址上的例子，在后面。不同之处：网址上的例子在此处新建一个文件夹保存训练的模型）

cd ./caffe

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt

（2）将以上训练的命令行代码写成训练脚本并命名为train_lenet.sh，放到mnist目录下。运行train_lenet.sh脚本进行训练。

cd caffe

./examples/mnist/train_lenet.sh(若出错：Check failed: mdb_status == 0 (13 vs. 0) Permission denied  *** Check failure stack trace: ***则记到caffe目录下，先清除：sudo make clean（删掉了原有build文件）后，并重新编译：sudo make all -j4（重新生成build文件），再重新训练。

部分训练过程截图如下：等待几分钟，训练好后截图如下，准确率99.08%：

最终训练的模型保存在caffe/examples/mnist/lenet_iter_10000.caffemodel文件中，训练状态保存在caffe/examples/mnist/lenet_iter_10000.solverstate文件中。

5、用训练好的模型对数据进行预测。

利用训练好的Lenet-5模型权值文件（examples/mnist/lenet_iter_10000.caffemodel）可以对测试数据集（或外部测试集）进行预测，代码如下：（注意caffe.bin ，prototxt ，caffemodel 等的路径一定要根据自己的写对：）

cd  ./caffe

./build/tools/caffe.bin test \

-model=examples/mnist/lenet_train_test.prototxt \

-weights=examples/mnist/lenet_iter_10000.caffemodel \

-iterations=100

（\表示回车，也可以不要它，直接将这四行代码写成一行代码,注意caffe.bin ，prototxt ，caffemodel 等的路径一定要根据自己的写对：

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_5000.caffemodel -iterations=100）

预测结果如下：

================================= 书上的例子到此结束 =======================

×××××××××××××××××××× 下面是参考网址上的例子 ××××××××××××××××××××××

网址上例子训练模型部分，从前面第三部分开始。在此处创建了一个文件夹保存模型，这方法很好。新建文件夹代码如下：

cd  ./caffe/examples/mnist

mkdir model_mnist

查看一下，输入如下代码

ls

建好文件夹后需要修改caffe/examples/mnist/lenet_solver.prototxt 中的snapshot_prefix。

训练网络前先查看一下build/tools/caffe.bin 的用法。

训练网络的代码如下：

cd  ./caffe

./examples/mnist/train_lenet.sh

训练完成后，在examples/mnist/model_mnist下产生了4个文件。本例设置迭代5000次输出一个模型和训练状态保存下来，故保存了迭代5000次和迭代10000次的训练模型与训练状态。

测试迭代5000次的模型，代码如下：

cd  ./caffe

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_5000.caffemodel

运行caffe自带的mnist实例教程测试迭代10000次的模型，代码如下：

cd  ./caffe

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel