在Windows10 上完成了配置，还没来得及测试，在Ubuntu下完成测试非常简单，在Caffe的根目录中有一个data的文件夹，这里面又包含了三个文件夹，分别对应了三个数据来源：
数据集下载
每个目录下都有 一个shell的脚本文件，在Ubuntu下的terminal运行，自动下载数据。
比如下载mnist数据集的脚本是get_mnist.sh，其中的脚本是：1
2
3
4
5
6
7
8
9
10
11
12
13
14
15#!/usr/bin/env sh
# This scripts downloads the mnist data and unzips it.
DIR="$( cd "$(dirname "$0")" ; pwd -P )"
cd "$DIR"
echo "Downloading..."
for fname in train-images-idx3-ubyte train-labels-idx1-ubyte t10k-images-idx3-ubyte t10k-labels-idx1-ubyte
do
if [ ! -e $fname ]; then
wget --no-check-certificate http://yann.lecun.com/exdb/mnist/${fname}.gz
gunzip ${fname}.gz
fi
done
就是下载这四个文件，当然也可以在mnist的网站上直接下载。
这个数据还需要转换，但是在Windows上编译的数据格式转格式的工程一直没配置好，所以就先用别人转换好的吧。
在这里下载，这个数据文件不全，只有leveldb的，另外一种没有，不过这个一个也足够完成一次测试了。
在Caffe根目录下会有一个example的文件夹，里面是caffe提供的测试，网络结构还有运行的shell脚本都写好了，但是在Win下不能直接用。在Win10下，采用这种方式编译的 caffe，会在script目录下的build文件夹中，caffe可执行文件在这个目录下的tools目录下的Release中，也就是caffe.exe。
把example中的mnist复制一份，命名为mnist_win，然后将下载的数据放在这个目录下，有两个文件夹：
- mnist-test-leveldb
- mnist-train-leveldb
修改训练测试文件
修改训练配置文件lenet_train_test.prototxt，将文件中的数据路径和backed都修改，需要注意的是文件路径中的斜杠问题，要用双斜杠，否则会仿作转义符，如下所示（一共有四个地方，注意文件名中的下划线与横杆，找不到文件就是因为文件名不对）：1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168name: "LeNet"
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
scale: 0.00390625
}
data_param {
source: "D:\\Application\\CaffeNew\\caffe\\examples\\mnist\\mnist-train-leveldb"
batch_size: 64
backend: LEVELDB
}
}
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TEST
}
transform_param {
scale: 0.00390625
}
data_param {
source: "D:\\Application\\CaffeNew\\caffe\\examples\\mnist\\mnist-test-leveldb"
batch_size: 100
backend: LEVELDB
}
}
layer {
name: "conv1"
type: "Convolution"
bottom: "data"
top: "conv1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 20
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "pool1"
type: "Pooling"
bottom: "conv1"
top: "pool1"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
layer {
name: "conv2"
type: "Convolution"
bottom: "pool1"
top: "conv2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 50
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "pool2"
type: "Pooling"
bottom: "conv2"
top: "pool2"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
layer {
name: "ip1"
type: "InnerProduct"
bottom: "pool2"
top: "ip1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 500
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
}
layer {
name: "ip2"
type: "InnerProduct"
bottom: "ip1"
top: "ip2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 10
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "accuracy"
type: "Accuracy"
bottom: "ip2"
bottom: "label"
top: "accuracy"
include {
phase: TEST
}
}
layer {
name: "loss"
type: "SoftmaxWithLoss"
bottom: "ip2"
bottom: "label"
top: "loss"
}
修改网络配置参数
修改参数配置文件lenet_solver.prototxt，这里面制定了训练测试文件的目录，还有其他参数，也是要注意路径中的斜杠问题，下面是我的配置文件。
1 | # The train/test net protocol buffer definition |
运行一下
然后就可以运行了，可以直接在命令行中写命令：1
D:\Application\CaffeNew\caffe\scripts\build\tools\Release\caffe.exe train --solver=D:\Application\CaffeNew\caffe\examples\mnist\lenet_solver.prototxt
也可以写一个批处理文件放在当前目录，我写一个批处理文件run.bat，双击就可以运行了：
1 | D:\Application\CaffeNew\caffe\scripts\build\tools\Release\caffe.exe train --solver=D:\Application\CaffeNew\caffe\examples\mnist\lenet_solver.prototxt |
如果之前都配置的没错的话，这里应该没有问题，准确率0.9+。