caffe下用神经网络 训练自己的模型

1.准备数据

准备训练的数据，新建train，val文件夹做训练 和测试数据集的文件夹，在train，val下新建图片类别数目的文件夹，分别放各自类别图片区分开来，编写脚本 生成标签文件train.txt,和val.txt。

环境变量：

export LD_LIBRARY_PATH=/data/lib/cudnn_v5.1/cuda/lib64:$LD_LIBRARY_PATH
export LD_LIBRARY_PATH=/usr/local/opencv3/lib:/usr/local/cuda/lib64:$LD_LIBRARY_PATH

python虚拟环境 opencv：

python环境装下这个：https://github.com/pyenv/pyenv-installer
opencv的话，在自己的虚拟环境里价格软链接：
ln -s /usr/local/opencv3/lib/python2.7/site-packages/cv2.so /home/chenxiaopeng/.pyenv/versions/2.7.13/envs/sci_env/lib/python2.7/site-packages/cv2.so

并将caffe/examples/imagenet目录下create_imagenet.sh文件拷贝到自己的数据集中，修改里面的目录为自己的数据目录，运行生成lmdb数据文件和mean均值文件。

2.准备模型

准备网络模型文件，train_val.prototxt文件和slover参数文件，修改里面的数据和均值目录为自己的目录，最后全链接层修改为自己的全链接层和输出类别数量。在slover里调整合适的学习参数。

3.训练

使用caffe下的命令进行训练，或者可以在预训练模型上进行finetune

./build/tools/caffe train --slover=......./slover.prototxt