Windows平台基于Caffe框架的LeNet网络训练

在Windows平台下使用Caffe的确不如Linux来的方便，至少人家把Shell都已经写好了。但是像我这种VS重度依赖者，还是离不开微软大腿呀…废话不多说，一步步来吧

0.为了后续文件路径访问的便利，我们先将$CAFFE_ROOT根目录添加到系统环境变量PATH中，并重启使之生效。

1.首先需要从Yann LeCun的网站 http://yann.lecun.com/exdb/mnist/ 上下载手写数字图像库，共为四个压缩包约11MB大小，分别是train-images-idx3-ubyte.gz（训练集图像），train-labels-idx1-ubyte.gz（训练集标签），t10k-images-idx3-ubyte.gz（测试集图像）和t10k-labels-idx1-ubyte.gz（测试集标签）。并将其解压缩至Caffe目录下的$CAFFE_ROOT\data\mnist文件夹中。

2.然后我们需要将解压缩后的四个文件转为Caffe所支持的lmdb文件，转换需要使用到编译好的convert_mnist_data.exe可执行文件。由于Windows不能执行Caffe提供的Shell文件，在此将其修改为bat批处理文件内容如下：

@echo off

convert_mnist_data.exe data\mnist\train-images.idx3-ubyte data\mnist\train-labels.idx1-ubyte examples\mnist\mnist_train_lmdb

convert_mnist_data.exe data\mnist\t10k-images.idx3-ubyte data\mnist\t10k-labels.idx1-ubyte examples\mnist\mnist_test_lmdb

pause

将bat文件放在$CAFFE_ROOT\examples\mnist目录下运行，转换成功如下图所示：



3.这时准备工作就已经就绪，我们可以开始对数据集进行训练了。

@echo off

caffe train --solver=examples/mnist/lenet_solver.prototxt

pause

执行批处理文件后，Caffe就跑起来了。在NVIDIA Geforce GTX970机器上，大约只需要1分钟就训练好了，结果如下图所示