CAFFE 在windows平臺的使用

是時候跟進一下深度學習框架的使用方法了。先從caffe下手。

caffe安裝

caffe的安裝方式有兩種，第一種是自己編譯源碼的安裝方式，第二種是下載編譯好的庫，包含了依賴項等各個包。如果需要對源碼進行修改并加以使用的話，編譯源碼的方式安裝比較好，我這里僅僅使用，暫不修改，直接下載caffe的github上對應的windows分支下的版本。 https://github.com/BVLC/caffe/teee/windows debug和release都下了，但是用的時候還是以release為主，另外還需要下載源碼的git目錄下的文件caffe-windows，并建立build文件夾，把realease的編譯文件放進去就行。整個caffe-windows最好直接放在D:/這樣的根目錄下。

caffe自帶例子學習

caffe本身包含了大量的網絡模型和對應的求解文件，直接調用起來，比較容易弄懂整個caffe的執行過程。

minist例子

1.下載數據： 在caffe-windows/data/mnist/get_mnist.sh里可以看到下載的網站，自己下載，并解壓到caffe-windows/data/mnist/里，注意把文件解壓到這里，而不是文件夾。

2.數據轉換： 需要將訓練和測試集轉換為lmdb格式，可以參考Rolin博客的bat處理文件的語句： blog.csdn.net/tianrolin/article/details/51434687 轉換后的數據會存放在cafffe-windows/examples/mnist/下多出來的兩個文件夾里。

3.修改lenet_solver.PRototxt這個文件，注意修改net的路徑，以及采用的CPU或者GPU模式。我這里采用的是CPU模式。 還要修改lenet_train_text.prototxt這個文件，注意訓練數據和測試數據的路徑是否正確。

4.用CMD運行 打開CMD，執行 D:/caffe-windows/build/caffe-release/bin/caffe.exe train –solver=D:/caffe-windows/examples/mnist/lenet_solver.prototxt 用cpu模式要運行好幾分鐘才行。

運行結果：

其他的例子運行方式應該和這個mnist差不多。

訓練自己的數據

待完整

參考

【1】 blog.csdn.net/tianrolin/article/details/51434687 Rolin的專欄 【2】lib.csdn.net/article/deeplearning/53927 caffe入門教程