基于Caffe做cifar10对ImageNet图像的分类

在正文之前，首先确保已经具备实现caffe实验的平台，在安装caffe时，会自带cifar10的所有需要的代码。

一、数据的准备

    在caffe中~/caffe/data/cifar10/下有一个get_cifar10.sh文件，执行这个文件可以下载到cifar10的数据，在此期间，请确保网络正确连接。也可以在Windows上下载，放在当前文件夹下。这个文件中主要写了：1、下载数据；2、解压缩；3、将文件转移到当前文件夹下。（图示中除get_cifar10.sh的其他文件，即为解压后的文件）

执行get_cifar10.sh文件代码，如下：

~/caffe/data/cifar10$ sh ./get_cifar10.sh

    在caffe中，它有自己的数据格式，通常会有两种lmdb和leveldb两种，“它们都是键/值对（Key/Value Pair）嵌入式数据库管理系统编程库。虽然lmdb的内存消耗是leveldb的1.1倍，但是lmdb的速度比leveldb快10%至15%，更重要的是lmdb允许多种训练模型同时读取同一组数据集。因此lmdb取代了leveldb成为Caffe默认的数据集生成格式“。

将jpg或其他格式的图片转换为lmdb格式,如下：（在文件夹~/caffe/examples/cifar10下，有create_cifar10.sh文件，我们执行它）

~/caffe/examples/cifar10$ sh ./create_cifar10.sh

    执行之后，得到两个文件夹cifar10_train_lmdb、cifar10_test_lmdb，转化成功。另外，还得到mean.binaryproto图像均值的二进制文件。在执行create_cifar10.sh文件的过程中，可能出现一些找不到某个文件的问题，我们可以修改路径。

二、模型的准备

    我们需要准备的有两点：网络结构和参数设置。一般通过后缀来辨别，网络结构的后缀一般为.prototxt,而参数设置文件一般是XX_solver.prototxt。在cifar10中选择cifar10_quick_train_test.prototxt网络结构，选择模型参数设置文件cifar10_quick_solver.prototxt。

三、训练网络

    训练网络，直接去执行train_quick.sh文件，这个文件中。主要是分两个阶段来训练，一个是预训练采用模型准备中的网络结构和模型参数，

~/caffe/build/tools/caffe train --solver=./cifar10_quick_solver.prototxt

另一个是降低其学习率，继续去训练

~/caffe/build/tools/caffe train --solver=./cifar10_quick_solver_lr1.prototx --snapshot=./cifar10_quick_iter_4000.solverstate

这些只是train_quick.sh文件中的内容，我们只需要执行train_quick.sh文件即可

$sh ./train_quick.sh

(注意：在网络结构和参数设置的文件中，都有需要修改路径的地方，如：网络结构的路径，mean.binaryproto文件的路径等等。训练过程中，出现错误时，看看时候修改了所有的路径)

Deep Learningcaffecifar10