基于深度学习的图像匹配技术专题- [Patch-Based Matching 2]-matchnet- Trianing in Caffe frame

这个博客主要介绍 如何把实验在Caffe上跑起来。在服务器上，有几个常用的指令。

1. 服务器与本地传输 数据 scp -r ../..  username@ip: ../..

2.ssh 登陆命令

在数据上下载好数据以后，执行作者已经写好的SHELL：

./run_gen_data.sh

在运行的时候会报几个错误，已经有前辈（ 配置和运行matchnet),准备好了解决方案，应该会对大家有帮助。

其实，在生成数据集的时候，如果你只有其中的一两个，也是会报错的。

所以，需要你把不用的语句注释掉，就可以解决这个问题。

————————————————————————————————————————

论文提供了训练好的模型，数据集做好之后就可以运行这个模型，看看正确率是多少。现在我们要如何训练自己的模型呢？

用mnist训练Lenet模型的例子，分为三步：1,下载数据；2,制作数据集；3,训练模型

在训练shell中调用：

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt $@

可见是 lenet_solver.prototxt文件--网络求解文件，这个文件主要包含了一些求解网络，梯度下降参数、迭代次数等参数……，看下手写字体的solver.prototxt文件.

在这个文件中，我们可以看迭代次数，测试间隔，学习率等。