Caffe（4）--MobileNets实现，使用自定义数据集进行训练

论文地址：V1，https://arxiv.org/abs/1704.04861；V2，https://arxiv.org/abs/1801.04381

模型实现：Caffe框架（非官方）https://github.com/shicai/MobileNet-Caffe

1、下载模型
https://github.com/shicai/MobileNet-Caffe
下载得到MobileNets的Caffe实现，其中分别包含V1、V2的模型结构文件.prototxt和训练好的模型文件.caffemodel，还有测试脚本eval_image.py。

2、模型测试
在下载得到的文件夹目录下执行以下命令：

python eval_image.py --proto mobilenet_deploy.prototxt --model mobilenet.caffemodel --image ./cat.jpg

输出如下：

对于V2模型使用以下命令：

python eval_image.py --proto mobilenet_v2_deploy.prototxt --model mobilenet_v2.caffemodel --image ./cat.jpg

3、使用自定数据集训练MobileNet（使用cifar-10）
（1）修改训练模型文件
保存deploy.prototxt 文件为mobilenet_train.prototxt，并修改。
1）删除前5行input/input_dim内容，增加Data层如下：

layer {
  name: "cifar"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    mean_file: "/caffe/examples/cifar10/mean.binaryproto" //根据自己路径修改
  }
  data_param {
    source: "/caffe/examples/cifar10/cifar10_train_lmdb" //根据自己路径修改
    batch_size: 100
    backend: LMDB
  }
}

2）删除最后的prob层，增加Loss和Accuracy层：

layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "fc7"
  bottom: "label"
  top: "loss"
}
layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "fc7"
  bottom: "label"
  top: "accuracy"
  include {
    phase: TEST
  }
}

3）修改最后输出层的通道数
因为cifar-10为10分类，修改为num_output: 10

4）修改BN的use_global_stats
训练时要把BN的use_global_stats改为false，它表示是否使用caffe内部的均值和方差，不然训练的时候会报nan或者模型不收敛，测试的时候改为true

（2）准备训练文件
在Caffe根目录下新建文件夹examples/mobilenets
将examples/cifar10下的cifar10_quick_solver.prototxt、cifar10_quick_solver_lr1.prototxt、train_quick.sh三个文件复制过来，并修改文件名为mobilenet，如下所示：

三个文件中对应文件名也做出相应修改：

（3）开始训练
Caffe根目录下执行：

./examples/mobilenets/train_mobilenet.sh