(3)caffe学习之微调预训练的模型训练自己的数据集

打开train_val.prototxt文件，修改name,输出类别数，两个lr_mult均扩大十倍，因为我们主要训练最后一层layer {
name: "fc8_15"
type: "InnerProduct"
bottom: "fc7"
top: "fc8_15"
param {
lr_mult: 10
decay_mult: 1
}
param {
lr_mult: 20
decay_mult: 0
}
inner_product_param {
num_output: 15
weight_filler {
type: "gaussian"
std: 0.01
}
bias_filler {
type: "constant"
value: 0
}
}
}
layer {
name: "accuracy"
type: "Accuracy"
bottom: "fc8_15"
bottom: "label"
top: "accuracy"
include {
phase: TEST
}
}
layer {
name: "loss"
type: "SoftmaxWithLoss"
bottom: "fc8_15"
bottom: "label"
top: "loss"
}然后下载预训练的模型bvlc_reference_caffenet.caffemodel放入自己设置的文件夹下，在终端运行：
cd caffe  #进入caffe根目录

./build/tools/caffe train --solver=/home/qf/git/myfile/bvlc_reference_caffenet/solver.prototxt  --weights=./models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
即可！！！！

若直接在终端测试网络，可直接运行：
./build/tools/caffe test --solver=/home/qf/git/myfile/bvlc_reference_caffenet/solver.prototxt  --weights=/home/qf/git/myfile/bvlc_reference_caffenet/my_bvlc_reference_caffenet.caffemodel

～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～
以下为个人理解：

题外话1：如训练网络时不想将txt文件转换为lmdb文件也是可以的，在train_val.prototxt文件中前两层的输入类型由Data改为ImageData,同时将输入的train_lmdb和val_lmdb换成txt文件。
题外话2：我们训练时使用的train_val.prototxt文件前两部分是TRAIN 和TEST，如果我们的train 和val数据集图像不重合，则在训练过程中已经进行了分类测试。一般情况下验证集图像是训练集图像的一部分，这时，在使用测试集测试时，可以在train_val.prototxt文件中加一层，然后训练和测试时改一下solver.prototxt 就好了。