第二课 深度学习的“hello world”——基于mnist数据集的手写数字识别

1，下载mnist所需的所有数据

mnist数据集http://yann.lecun.com/exdb/mnist/，这里需要注意的是caffe并不直接通过下载得到的四个文件进行训练，而是会把它转化为lmdb或leveldb格式进行读取。lmdb是lightning(闪电的) memory-mapped database manager的缩写，能够把原始数据通过更为高效的存储方式存储，从而加快读取和训练速度(lmdb比leveldb更快，可以看看刚刚的NugetPackages文件夹，当中就包含着对应的库)。

    实现这个转化的代码是\examples\mnist的convert_mnist_data.cpp，但也没必要看，因为它的运行脚本create_mnist.sh显然是linux下的东西。想了想也可以理解，毕竟caffe本来也不支持windows，能移植过来就不错了，也不能指望大牛们把所有例子的代码都一并移植过来。目前更很好的办法就是直接网盘下载，这里分享一个

链接: https://pan.baidu.com/s/1i44s1JB 密码: ewi8

2，将下载下来的文件夹中的mnist_train_leveldb和mnist_test_leveldb两个文件夹复制到caffe-master\examples\mnist文件夹下

3，修改配置文件。

mnist目录下prototxt扩展名的都是配置文件。我们需要修改lenet_solver.prototxt，用vs2013打开，定位到最后一行：solver_mode: GPU，将GPU改为CPU。

另外需要修改 lenet_train_test.prototxt文件的第14，16，31，33行

4，编写bat脚本

在caffe-master根目录下新建一个train_mnist.txt并写入如下内容：

1. .\Build\x64\Release\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt  
2. pause  

保存后，改文件后缀名为bat，双击运行，结果如下：

当迭代次数达到lenet_solver.prototxt定义的max_iter时，就可以认为训练结束了。并且最终会在目录\examples\mnist下产生训练出的模型(文件后缀名为caffemodel和solverstate)，如下图所示：

5，用标准数据集测试模型

按上一步骤生成test_mnist.bat,内容如下：

.\Build\x64\Release\caffe.exe test--model=examples/mnist/lenet_train_test.prototxt -weights=examples\mnist\lenet_iter_10000.caffemodel 
pause

双击运行，结果如下：

6,用自己的图片测试此模型：

（1）用Windows的画图工具自己手写一张图片(需为28*28像素的灰度图像):

为了方便直接调整写的数字的大小，如果你这里不调整大小，在matlab里面有相关的resize函数，自己查询调用方法，很简单

如下所示：