机器学习 - 使用 Caffe 训练自己的数据集

在上一篇博客写了安装 caffe，这里讲一下如何使用 caffe训练自己的数据。

1. 准备数据

首先要准备自己的数据，就是你的图片，不同类别的图片，这些图片要分成两部分，一部分多，一部分少，比例自己把握，5:1或6:1都可以，多的部分作为训练集，少的部分作为测试集，然后留几张图片用来做最后的分类测试的。

首先！新建一个imgs的文件夹，然后再里面新建一个data文件夹，用来存放数据！以下数据都是在这个文件夹下的。

例如我的图片是一些动作图片，分别是：down, sitdown, standup, handup这四类：

• 新建四个文件夹down, sitdown, standup, handup, 放数量比较多的那部分的图片，然后再新建一个 train的文件夹，存放这四个文件夹。

• 然后同理再新建一个 val的文件夹，这里面也是down, sitdown, standup, handup这四个文件夹，存放的是数量少的那部分图片。

• 新建一个 train.txt里面是图片名字还有对应的图片类别。

• 新建一个 val.txt同理是val文件夹里面的图片还有对应类别。

文件夹结构如下：

data 文件夹

上面的暂时只看 train, val, train.txt, val.txt这四个就可以了。

train.txt 文件

这里是对应的 train.txt 文件的内容，图片后面一个空格然后写上对应类别的数字，下标从0开始。

val.txt 文件

这个是 val.txt 文件内容，和 train.txt 基本一样。就是图片不一样。

2. 数据转换

把图片转换成lmdb格式，这是caffe 使用的输入格式，使用的是caffe/examples/imagenet/create_imagenet.sh脚本文件。

• 
  
• 新建一个文件夹imgsnet，路径caffe/examples/用来存放自己的网络和脚本文件等等。
• 把 create_imagenet.sh 脚本拷贝到 imgsnet （刚才新建的文件夹）下。
• 修改create_imagenet.sh文件。
  

EXAMPLE=/home/alps/caffe/examples/imgsnet/ //刚才新建的文件夹
DATA=/home/alpps/caffe/examples/imgs/data/ //存放图片数据的文件夹
TRAIN_DATA_ROOT=/home/alps/caffe/examples/imgs/data/train //训练图片文件夹
VAL_DATA_ROOT=/home/alps/caffe/examples/imgs/data/val //测试图片文件夹
RESIZE=true //让图片resize 为同样大小，下面大小自己修改就行。

---

create_imagenet.sh

然后执行脚本./create_imagenet.sh，等到输出Done.的时候就 OK 了。刚才生成的两个文件在你输入的：EXAMPLE里。我这里是/home/alps/caffe/examples/imgsnet/

---

3. 生成 meanfile 均值文件

利用刚才生成的 lmdb 文件生成均值文件，计算图像均值，使用的是examples/imagenet/make_imagenet_mean.sh这个脚本，把它拷贝到自己的目录下：

cp examples/imagenet/make_imagenet_mean.sh examples/imgsnet/

然后修改该脚本：

EXAMPLE=/home/alps/caffe/examples/imgsnet
DATA=/home/alps/caffe/examples/imgs/data

---

make_imagenet_mean.sh文件

然后执行./make_imagenet_mean.sh脚本，出现Done.就好了。

3.配置网络

可是使用自己喜欢的网络，LeNet啊或者其他网络都行，这里使用 AlexNet网络，其网络模型比 LeNet略复杂。首先拷贝AlexNet网络：

cp -r caffe/models/bvlc_alexnet caffe/examples/imgsnet

然后进入到这个网络文件夹下：

cd caffe/examples/imgsnet/bvlc_alexnet

要修改：

solver.prototxt
train_val.prototxt

这两个文件。

3.1 修改 solver.prototxt

打开这个文件：

vim solver.prototxt

修改：

net: "/home/alps/caffe/examples/imgsnet/bvlc_alexnet/train_val.prototxt"
test_iter : 50 //测试迭代次数
test_interval : 100 //多少次迭代测试一次
base_lr : 0.01 //基础学习率
lr_policy : "step"
gamma: 0.1
stepsize : 100000
display: 20 //多少次迭代显示一次
max_iter : 700 //一共迭代多少次
momentum : 0.9
weight_decay : 0.0005
snapshot : 700 //多少次迭代保存一次快照
snapshot_prefix : "/home/alps/caffe/examples/imgsnet/bvlc_alexnet/caffe_alexnet_train" //快照保存位置（也是结果的位置）
solver_mode : CPU

3.2 修改 train_val.prototxt

打开 train_val.prototxt文件：

vim train_val.prototxt

修改里面的：

//记得两个参数不止一个！全部修改了！别只修改一个


mean_file : "/home/alps/caffe/examples/imgs/data/imagenet_mean.binaryproto
//这个是上面生成的均值文件位置

source : "/home/alps/caffe/examples/imgsnet/ilsvrc12_train_lmdb"
//这个是上面生成的 lmdb文件位置

//然后如果你自己要定义类别个数（嫌麻烦就别改这里了！不会影响！），请在最后一层里面
name : "fc8" //这个名字的代表 alexnet的最后一层，其他的网络自己找
num_output: 1000 //alexnet默认1000个 改成你自己的个数，我改成： num_output: 4 //也可以不改，训练不影响

4.训练网络

cd /home/alps/caffe   //cd 到caffe根目录

输入如下命令

./build/tools/caffe train --solver=/home/alps/caffe/caffe/examples/imgsnet/bvlc_alexnet/solver.prototxt

然后运行就可以了！

出现类似的图就好了！