caffe（4） 运行实例cifar

使用笔记本电脑配置，6g内存，AMD处理器1.6g主频，CPU模式

1. cifar10实例

cifar10是由60000张32×32的RGB图像组成，用于普适物体识别，共有10类。caffe中的cifar10的demo中，50000张用于训练，10000张用于测试。10类物体分别为:airplane, automobile, bird, cat, deer, dog, frog, horse, ship, truck. Alex的论文ImageNet Classification with Deep Convolutional Neural Networks 中改良CNN已经把Cifar-10的错误率降到了11%。

普适物体识别的特点：特征多，噪声，物体比例不一，类别数目多。

首先进入caffe目录，运行下载数据，成功后会在 data/cifar10/文件夹下生成一堆bin文件

sudo sh data/cifar10/get_cifar10.sh

转换数据格式为lmdb：

sudo sh examples/cifar10/create_cifar10.sh

转换成功后，会在 examples/cifar10/文件夹下生成两个文件夹，cifar10_train_lmdb和cifar10_test_lmdb, 里面的文件就是我们需要的文件。

为了节省时间，我们进行快速训练（train_quick)，训练分为两个阶段，第一个阶段（迭代4000次）调用配置文件cifar10_quick_solver.prototxt, 学习率（base_lr)为0.001

第二阶段（迭代1000次）调用配置文件cifar10_quick_solver_lr1.prototxt, 学习率(base_lr)为0.0001。 并且修改两个文件为CPU模式

sudo time sh examples/cifar10/train_quick.sh