怎样运行.prototxt文件

1 cifar10数据库60000张32*32 彩色图片 共10类50000张训练10000张测试下载cifar10数据库 这是binary格式的，所以我们要把它转换成leveldb格式。2 在../caffe-windows/examples/cifar10文件夹中有一个 convert_cifar_data.cpp将他include到MainCaller.cpp中。如下：编译....我是一次就通过了 ，在bin文件夹里出现convert_cifar_data.exe。然后 就可以进行格式转换。binary→leveldb可以在bin文件夹下新建一个input文件夹。将cifar10.binary文件放在input文件夹中，这样转换时就不用写路径困伍了。cmd进入bin文件夹执行后，在output文件夹下有cifar_train_leveldb和cifar_test_leveldb两个文件夹。里面是转化好的leveldb格式数据。当然，也可以写一个bat文件处理，方便以后再次使用。3 下面我们要求数据图像的均值销银编译../../tools/comput_image_mean.cpp编译成功后。接下来求meancmd进入bin。执行后，在bin文件夹下出现一个mean.binaryproto文件，这就是所需的均值文件。4 训练cifar网络在.../examples/cifar10文件夹里已经有网络的配置文件，我们只需要将cifar_train_leveldb和cifar_test_leveldb两个文件夹还有mean.binaryproto文件拷到cifar0文件夹下。修改cifar10_quick_train.prototxt中的source: "cifar-train-leveldb"mean_file: "mean.binaryproto" 和cifar10_quick_test.prototxt中的source: "cifar-test-leveldb"mean_file: "mean.binaryproto"就可以了，后面再训练就类似于MNIST的训练。写一个train_quick.bat，内容如下：[plain] view plaincopycopy ..\\..\\bin\\MainCaller.exe ..\\..\亏尺宴\bin\\train_net.exeSET GLOG_logtostderr=1"../../bin/train_net.exe" cifar10_quick_solver.prototxtpause先编译一遍 train_net.cpp运行train_quick.bat

在MNIST调用已经训练好的模型，测试。

这个测试，假定可能是新加入的测试集，还是按照原来的需求转换，存放数据到指定的位置。

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0

如果没有GPU则使用

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

从上面的指令，对应上图。

1、先是test表明是要评价一个已经训练好的模型。

2、然后指定模型prototxt文件铅郑悉，这是一个文本文件，详细描述了网络结构和数据集丛行信息。从mnist下面的train_lenet.sh指定的solver对应于examples/mnist/lenet_solver.prototxt，而lenet_solver.prototxt指定的模型为examples/mnist/lenet_train_test.prototxt。

3、然后在指定模型的具体的权重。刚好为examples/mnist/lenet_iter_10000.caffemodel

在cifar10模型下面调用已经训练好的模型，测试。

同上，是用train_quick.sh训练的。

./槐乎build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_5000.caffemodel -gpu=0

1、先是test表明是要评价一个已经训练好的模型。

2、然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。从cifar下面的train_quick.sh指定的solver对应于开始的examples/mnist/lenet_solver.prototxt和4000次以后snapshot的examples/cifar10/cifar10_quick_solver_lr1.prototxt，而这两者指定的模型都为cifar10_quick_train_test.prototxt。

3、然后在指定模型的具体的权重。为examples/cifar10/cifar10_quick_iter_5000.caffemodel

---