參考：<span style="font-family: Arial, Helvetica, sans-serif;">http://blog.csdn.net/chengzhongxuyou/article/details/50715455</span>

準備工作

按照之前的教程，成功生成過caffe，并且編譯整個caffe.sln項目工程，在\caffe-master\Build\x64\Debug生成了一堆exe文件，后面會使用到除了caffe.exe的另外一個exe

【PS】很多VS安裝過程中出現問題的，比如XX加載失敗，XX未找到等，請自行尋找問題，很可能是原來的VS沒卸載干凈，或者VS版本缺少一些文件等導致。正常情況下，第一次編譯只有libcaffe.lib顯示失敗，不會出現其它error

第一步

下載cifar的數據集

官網地址：http://www.cs.toronto.edu/~kriz/cifar.html

我的百度云地址：二進制數據文件鏈接：http://pan.baidu.com/s/1hrRApwC 密碼：1dxy

.mat格式連接：鏈接：http://pan.baidu.com/s/1hr6B7Xa密碼：f343

多一句嘴，這個數據集是彩色圖片，也即具有RGB三通道，數據存儲方式是一行為一張圖片，包含3*32*32=3072個像素屬性，具體多少張圖片，有興趣的可以去官網看看，或者看看數據集的存儲格式：樣本數(圖片數)*3072

【與訓練model無關】下面代碼是用matlab寫的，用于顯示其中一個樣本，當然你可以用reshape函數，前面我介紹過這個函數

image=zeros(32,32,3); count=0; for i=1:3for j=1:32for k=1:32count=count+1;image(j,k,i)=data(1000,count);endend end imshow(uint8(image))

第二步

下載完畢以后，解壓得到數據，請核對是否與下圖一樣

按照下列路徑，在自己的caffe目錄下建立input_folder文件夾，并拷貝相應數據集

第三步

在input_folder的上一級目錄，也就是Debug目錄建立一個bat文件(名稱隨意，我用的是convert.bat)，用于轉換數據集格式，內容如下

convert_cifar_data.exe input_folder output_folders leveldb pause【PS】此處的exe就是在編譯caffe.sln時候生成的，如果沒有，請在VS中修改生成模式為DEBUG，而非release

【PS】caffe-windows是caffe官方提供的caffe，與caffe-master差不多，我這里為了從頭演示，沒有在master里面操作，無視之即可

運行此bat文件，會生成一個文件夾output_folders，里面有兩個文件夾，請核對路徑以及文件數目

第四步

計算均值，新建另一個bat文件（本文采用mean.bat），如下圖所示，請核對路徑

compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryprotopause

雙擊此bat文件，不出意外會出現下面問題：

解決方法有兩種

第一種：打開caffe.sln，修改compute_image_mean.cpp

重新生成一下，得到新的計算均值的exe文件【電腦編譯中。。。等待ing。。。。】

第二種：感謝評論區?Liz_Huang的提示，直接在bat后面添加--backend=leveldb，同時也可以換成--backend=lmdb

編譯完畢，重新運行bat文件，仔細檢查debug文件夾，會發現有一個文件名為：mean.binaryproto

第五步

將debug文件夾下的mean.binaryproto以及output_folders下的兩個文件夾拷貝到caffe-windows\examples\cifar10

在caffe-windows也就是caffe-master（根據版本自行決定）文件夾下新建一個bat文件，用于訓練模型，本文使用train.bat

.\Build\x64\Debug\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt pause在運行之前需要修改幾個文件,此處截圖超過2M了，傳不上來，讀者自己核對路徑以及CPU訓練設置

cifar10_quick_solver.prototxt文件：

# reduce the learning rate after 8 epochs (4000 iters) by a factor of 10# The train/test net protocol buffer definition net: "examples/cifar10/cifar10_quick_train_test.prototxt" # test_iter specifies how many forward passes the test should carry out. # In the case of MNIST, we have test batch size 100 and 100 test iterations, # covering the full 10,000 testing images. test_iter: 100 # Carry out testing every 500 training iterations. test_interval: 500 # The base learning rate, momentum and the weight decay of the network. base_lr: 0.001 momentum: 0.9 weight_decay: 0.004 # The learning rate policy lr_policy: "fixed" # Display every 100 iterations display: 100 # The maximum number of iterations max_iter: 4000 # snapshot intermediate results snapshot: 4000 snapshot_format: HDF5 snapshot_prefix: "examples/cifar10/cifar10_quick" # solver mode: CPU or GPU solver_mode: CPU ——————————————————————————————————————————————————————————————————————————

cifar10_quick_train_test.prototxt文件【只貼前面一部分】，需要修改的就是數據格式為leveldb，以及相關路徑，自行核對

name: "CIFAR10_quick" layer {name: "cifar"type: "Data"top: "data"top: "label"include {phase: TRAIN}transform_param {mean_file: "examples/cifar10/mean.binaryproto"}data_param {source: "examples/cifar10/cifar10_train_leveldb"batch_size: 100backend: LEVELDB} } layer {name: "cifar"type: "Data"top: "data"top: "label"include {phase: TEST}transform_param {mean_file: "examples/cifar10/mean.binaryproto"}data_param {source: "examples/cifar10/cifar10_test_leveldb"batch_size: 100backend: LEVELDB} }一定要核對正確，我好像在設置添加路徑的時候多了一個空格，結果出現了下面問題

【PS】一定要細心

最后，運行train.bat時候出現如下界面，說明正在訓練

是不是感覺和網上看到的不一樣呢？網上都是各種iteration 和loss顯示在命令窗口，但是這里出現了prefetch batch等。原因在于我們用的是debug模式下生成的caffe在訓練，如果想看到如下情形的結果，請將caffe.sln使用release模式生成(用VS2013打卡caffe.sln以后，上方中間部分的dubug改為release，然后右鍵工程，重新生成)

第六步

訓練完成，會得到如下文件

下面是我訓練好的cifar10的model，讀者可下載，可自行訓練

cifar10_quick_iter_4000.caffemodel.h5的鏈接：http://pan.baidu.com/s/1o8xSqr4 密碼：ftc5

cifar10_quick_iter_4000.solverstate.h5的鏈接：鏈接：http://pan.baidu.com/s/1eRGPlNs 密碼：589n

第七步

附帶說一下caffe train 的finetuning。我們在編譯成功caffe以后顯示的dos窗口顯示的有一行是：

commands: train train or finetune a model只要是用caffe train -solver=xxxxxxx，那就是從頭開始訓練

凡是遇到caffe train -solver=xxxx ?-weights=xxxxxx.caffemodel(.h5)，那就是用已有模型參數(權重偏置)去初始化網絡，稱為finetune

總結

以上是生活随笔為你收集整理的【caffe-Windows】cifar实例编译之model的生成的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。