Caffe示例程序测试mnist数据集

mnist是一个手写数字库，现在成了DL的入门练习库。征对mnist识别的专门模型是Lenet，算是最早的cnn模型了。

mnist数据训练样本为60000张，测试样本为10000张，每个样本为28*28大小的黑白图片，手写数字为0-9，因此分为10类。（ps:在caffe中运行所有程序，都必须在根目录下进行，否则会出错）

首先下载mnist数据，假设当前路径为caffe根目录

./data/mnist/get_mnist.sh

包含两个训练集和两个测试集，分别是图片和标签

./examples/mnist/create_mnist.sh 

下载到的原始数据集是二进制文件，需要转换为levelDB或LMDB才可以被Caffe使用。这是因为数据类型太多样化，用一套代码处理所有类型的输入数据比较繁琐，转换格式后可以简化数据读取，另外一方面是用levelDB或LMDB可以提高磁盘IO利用率

众所周知，深度神经网络中比较难的一点就是调参，这个需要一点的工作量和经验，所以这里用默认参数。看一下参数设置

./examples/mnist/train_lenet.sh

开始训练，Caffe目前貌似支持单机多卡，我的机器上装有4张K80（一张卡上有两个芯片），但是只用了一个芯片

训练用时4分钟。

./build/tools/caffe.bin test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -iterations 100

对训练好的模型进行测试，很快结束，准确率99%，用时30秒左右。