Windows Caffe 学习笔记（一）训练和测试CIFAR-10数据集

本文记录的是在Windows Caffe上训练和测试CIFAR-10数据集的过程，其实对于这次训练难点在于CIFAR-10数据集的格式转换与处理上，在上一篇文章中，我已经做了记录。这篇文章中记录下的难点是bat文件的书写，其他步骤均进行的很流畅。

0.CIFAR-10数据集

CIFAR-10数据集由10个种类的60000张32*32的彩色图片组成，每类图片6000张。50000张训练图片和10000张测试图片。



1.准备数据集

从CIFAR-10官网下载binary格式的数据集，进行处理：1.转换为LEVELDB格式。2.求图像数据的均值。（具体记录在上一篇博客中，不再赘述）

2.模型

CIFAR-10模型是一个CNN模型：由卷积层、下采样层、RELU以及在顶端的局部对比归一化线性分类器组成。该模型已经定义在CAFFE_ROOT/examples/cifar10 路径下的 cifar10_quick_train_test.prototxt中。

3.训练和测试“快速”模型

当你在已经写好定义网络的protobuf文件和求解其的protobuf文件，训练模型是很简单的。

已经给定的网络定义文件为cifar10_quick_train_test.prototxt，需要进行编辑修改。

根据具体情况，正确填写即可，截图如下：



注：一定要用“/”，很不显眼的错误，很需要注意！！

已经给定的求解器文件为cifar10_quick.prototxt，需要进行编辑修改：

红色方框标出，正确填写即可：



.bat文件的书写，截图如下，其存放路径为examples\cifar10：



双击运行即可，运行过程如下（下面的图片和文字均直接翻译自官方文档：CIFAR-10 Tutorial）：

当开始运行时，你会看到这样的信息：



这些信息是告诉你每一层的信息，它的连接和输出形状，在调试的时候或许很有用。在初始化之后，将开始进行训练：



在求解其设置中，我们每经过100次迭代，打印出训练损失函数，并且每经过500次迭代，测试网络。你将看到像这样的信息：



对于每一次训练迭代，lr是迭代的学习率，loss是代价函数。
对于测试阶段的输出，score 0 是准确率，score 1 是测试损失函数。
在经过一段时间之后，程序将运行完毕！



我们的模型可以得到约75%的测试准确率。模型参数保存在二进制protobuf格式文件cifar10_quick_iter_5000中。

在我自己电脑上的运行结果，截图如下：



参考文档：

1.Caffe官方文档:CIFAR-10 Tutorial 

2. Caffe学习笔记（六）—— Windows下训练自己的数据