caffe实例编译之cifar10_quick模型的生成与使用（2）

前言

继续前面的实验。

昨天的实验终于在我晚饭前发现问题，它竟然要Restaring data prefetching from start，于是，我果断地停止运行，并另外在Realease模式下重新训练模型。

1、前期工作

前面在Debug模式下已经转化好数据集并生成了均值文件mean.binaryproto，所以只需要修改最后的训练脚本文件就可以了。在caffe-master文件夹下新建cifar_train.bat文件：

Build\x64\Release\caffe.exe train --solver=examples/cifar10_quick_solver.prototxt
pause

和前面相比就是把Debug文件夹改为Release。

2、训练结果

双击cifar_train.bat文件，运行脚本，训练结束，得到两个文件。

3、模型的测试

在caffe-master文件夹下新建cifar_test.bat文件：

Build\x64\Release\caffe.exe test --model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_4000.caffemodel.h5
pause

4、单张图片的识别

1）数据标签文件

在examples\cifar10文件夹中新建一个代表cifar10数据标签的txt文件，命名为synset_words.txt。

2）图片文件

下载了一些图片文件，根据大神贴中描述，最好是cifar里面包含的种类。于是我下载了一些猫和狗的图片。

3）图片分类

在caffe-master文件夹里新建一个bat文件，cifar_classification.bat。

Build\x64\Release\classification.exe examples\cifar10\cifar10_quick.prototxt examples\cifar10\cifar10_quick_iter_4000.caffemodel.h5 examples\cifar10\mean.binaryproto examples\cifar10\synset_words.txt examples\cifar10\img.jpg
pause

最后实验表明分类结果啊，不是很理想啊 用图说话。

第一张还好，猫和狗的概率大一些， 猫的概率大于狗。

后面就尴尬了，我也不知道是不是我选图的原因。

我的娘口神社被识别为船。。。我觉得可能是因为这个是漫画形象，所以分类出错，于是又找了几张图来进行测试。

两只狗狗，一只被识别为truck，一只被分类为airplane。我默默的表示心伤。最后，我想了一下，不管是被识别为船的猫老师，还是被识别为卡车的狗狗，它们的身体轮廓和船啊卡车啊的外形轮廓还是有点像的

至此，cifar模型的生成与使用告一段落。