Caffe使用流程----以Mnist数据分类为例

一、下载Mnist数据集                                                                                                                          点击此处返回总目录 二、将数据集转换为LEVELDB或LMDB文件 三、修改网络模型描述文件 四、修改超参数文件 五、开始训练模型 六、准备测试图片 七、生成均值文件 八、准备标签 九、测试分类效果     下面讲一下，如果在Caffe下面去进行手写体数字识别。一共有9个步骤。                     一、下载mnist数据集。 地址：http://yann.lecun.com/exdb/mnist/ 下载：     下载完成后，在caffe-windows\examples\mnist\下，新建MNIST_data目录，把四个压缩文件放进去。然后把四个压缩包解压。          二、下载的原始数据集为二进制文件，需要转换为LEVELDB或LMDB。 在Caffe里面，我们一般会使用LEVELDB或者LMDB的数据格式。为什么以后再介绍。我们先跑通。 一会将使用caffe-windows\Build\x64\Debug\convert_mnist_data.exe等命令将四个二进制文件转换成LMDB格式。   1. 在caffe-windows\examples\mnist\下，新建bat文件夹和lmdb文件夹。 caffe-windows\examples\mnist\bat             //用于存放生成ldmd文件的脚本 caffe-windows\examples\mnist\lmdb          //用于存放生成的文件     2. 在bat文件夹中新建：     convert_train_lmdb.bat              //用于把训练数据转换为lmdb格式。     convert_test_lmdb.bat               //用于把测试数据转换为lmdb格式。   //convert_train_lmdb.bat %执行数据转换程序%                                                                                                                 //注释 %传入训练图片% %传入训练图片的标签% %转换后的数据存放在此目录%   F:\deep_learning\Caffe\caffe-windows\Build\x64\Debug\convert_mnist_data.exe ^                     //命令 F:\deep_learning\Caffe\caffe-windows\examples\mnist\MNIST_data\train-images.idx3-ubyte ^   //参数一 F:\deep_learning\Caffe\caffe-windows\examples\mnist\MNIST_data\train-labels.idx1-ubyte ^     //参数二 F:\deep_learning\Caffe\caffe-windows\examples\mnist\lmdb\t