caffe实战笔记

Caffe简要介绍：

Caffe还没有windows版本，所以我需要远程登录linux服务器

Caffe主要处理图片/图片序列

Caffe读取的数据格式

从专用的数据库中读取（lmdb、leveldb)

直接读取图片

从内存中读取（会占很多内存）

从HDF5文件中读取

从滑动窗口中读取（在大图中滑动一次作为一张小图）

最常用的是前面两种方式。默认是从lmdb数据库格式中读取，因此需要先把图片文件转换成lmdb格式文件。直接读取图片会导致无法减均值。如果不考虑减均值的情况，可直接读取图片。

Caffe操作1----准备数据

Step1：得到文件列表清单

上面的图片源自FER库，其中单张图表示一个表情，写代码自动生成txt文档

Step2：转换成imdb格式

命令原理：

其中包括上面四个参数，粉色参数可以选择不设，其中--表示可以不调整

实际操作：

在根目录home下的/caffe路径下打开终端，输入sudo命令，输入密码，进入最大权限：

输入命令：（输入时注意空格）

在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在 buile/tools/ 下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的imdb文件。

屏幕上显示：

查看结果：

在目标目录下新增了我命名的一个文件夹

文件夹里包括两个子文件，data.mdb存放数据；lock.mdb存放标签

基础知识补充

Linux下的文件夹与目录

/home	根目录，分区时分得最大
/bin	存放系统命令
/user	最大的目录，存放应用程序和文件
/etc	存放配置文件
/dev	设备特殊文件
/mnt	用于临时挂载硬盘、光盘
/src	里面放源文件如cpp

如何生成train.txt文件以及如何在转imdb格式时调整图片格式，见：http://www.cnblogs.com/denny402/p/5082341.html

Step3：计算均值

减去均值，可以提高精度。当然也可以选择不减均值。

扩展名必须是binaryproto

实际代码：

其中包括两个参数，一个是放置imdb数据的文件地址，另一个是保存均值文件的地址及文件名字

得到binarypro均值文件

扩展阅读：http://www.cnblogs.com/denny402/p/5102328.html

Caffe操作2----构建网络结构

在运行的整个流程中，可以分为三个阶段：训练阶段、验证阶段和测试阶段。网络结构在不同的阶段是不同的，都存放在prototxt文件里面。为了方便，一般将训练阶段和验证阶段的网络结构放在一个文件里，测试阶段的网络结构单独放在一个文件里：

一个layer表示一层

layer是可以复制可以嵌套的

1）数据层

Name可以随便取

Type是系统自带的，不可以自己命名

Top表示向上传送数据，bottom表示从下面接收数据，通过这个top还是bottom就决定了数据的流向以及不同层之间的链接关系

Phase：train表示只有训练时调用这层

Mirror表示翻转

Cropsize表示一张图变为40*40*10，使得样本数增加

Batchsize是2的倍数，表示批量处理

http://www.cnblogs.com/denny402/p/5070928.html

2）卷积层

Decay=0表示不衰减

Num_output 卷积核个数/节点数目

Kernal_size 一般是3*3 5*5 7*7 不能太大

Padding 卷积后图变小，所以固定填充0，如果=2，表示周边上下左右填充2个pixel

Gaussian表示用高斯方法对w与b进行初始化

http://www.cnblogs.com/denny402/p/5071126.html

3）激活层

常用relu，sigmod

http://www.cnblogs.com/denny402/p/5072507.html

4）池化层

caffe只支持max和average，stochastic是随机的意思

Stride不能写1，否则就没有池化功能

http://www.cnblogs.com/denny402/p/5071126.html

5）全连接层

Xvaier初始化方法很好，默认值为0

Type类型都不变

http://www.cnblogs.com/denny402/p/5072746.html

6）其它层

Loss层加在全连接层后面

如果要测试，还加一层softmax层

Deploy.prototxt文件用于测试阶段，测试数据没有标签值，因此数据输入层与其它两个阶段不同。

Caffe自动会复制灰度图变为3通道图

Caffe操作3----配置参数solver.prototxt

这里设置全局参数

每训练完成一个interval以后就验证一次是否>449

基础学习率决定收敛不收敛

Step：每隔多少变化一次

Stepshot：每训练多少保存一次参数

http://www.cnblogs.com/denny402/p/5074049.html

Caffe操作4----训练模型

这一步会生成caffe 的model文件，把参数训练完成

例：

build/tools/caffe train -solver /home/bnu/fer/solver.prototxt

http://www.cnblogs.com/denny402/p/5076285.html

Caffe操作5----测试模型

Classification.bin是自带的可执行体

http://www.cnblogs.com/denny402/p/5111018.html