Gotta-C的博客

1在caffe根目录data文件夹下存放图像数据数据需要尺寸归一化。训练集和测试集分别为train和test文件夹，对应的train.txt,test.txt格式如下./train/pic_name.jpg 0|1，./test/pic_name.jpg 0|12利用caffe/tools/bin/Release/convert_imageset.exe将原始数据转换到leveldb或lm

1.caffe的数据变换器（DataTransformer）需要对图像做一些预处理，比如图像切块—crop_size，镜像—mirror，幅度缩放—scale，去均值—mean_value,灰度变换—force_gray。计算原数据的均值，得到均值文件。一般训练集减去均值文件再训练模型效果更好。2.工具compute_image_mean.exe输入四个参数input_db

1.caffe的求解器（solver）是对模型的优化，使损失函数达到全局最小，即最优化的求解过程。2.caffe官网上介绍了6种求解器的方法，denny的solver优化方法已经做过介绍，在solver.prototxt输入损失函数的类型type，Message type "caffe.SolverParameter"has no field named "type"报错。3.看一下根

1.编译matcaffe，用到matlab接口microsoft caffe版本配置matlab2014，有个无法打开包括文件 "gpu/mxGPUArray.h"问题。在matcaffe工程属性增加包含目录G:\Matlab2014\toolbox\distcomp\gpu\extern\include即可通过编译。2.在matlab中使用caffe还需配置路径。matlab主页设置路径，增加文件夹G:\caffe-master\Build\x64\Release\matcaffe

caffe 特征图可视化编译matcaffe，用matlab接口特征图可视化input_param { shape: { dim: 10 dim: 3 dim: 227 dim: 227 } }编译pycaffe，extract_features.exe提取特征，python将提取的特征转换为mat形式，最后再用matlab可视化。工具extract_features.exe的几个参数训练得到的model，训练网络prototxt，想要提取的blob名，保存的特征路径，做特征提取的数据批量数目，

1.Win-64系统并配置好Opencv3.102.首先从https://github.com/initialneil/caffe-vs2013下载我们要配置的caffe-vs2013-master，选择这个版本是因为作者Neil Z.SHAO已经做好单张样本的测试程序，可以直接使用。3.从http://pan.baidu.com/s/1o8y7tjG下载依赖包3rdparty。

命令控制台输出重定向，保存训练的日志文件。

draw_net.py绘制caffe网络Netscope的在线可视化工具http://ethereon.github.io/netscope/#/editor仅仅是查看网络结构的话使用这个工具，去掉#/editor也可以看到alexnet，vgg16，googlenet等网络结构。No module named google.protobuf

https://github.com/ChenYingpeng/caffe-yolov3原工程作者在TX2上实现将yolov3模型转换成caffemodel并调用。1.修改为在Ubuntu16.04环境编译CMakeLists.txt主要修改交叉编译器为x86_64编译，修改自己的caffe路径（其中caffe.proto中增加upsample层），修改自己的opencv路径...