CAFFE 在windows平台的使用

是时候跟进一下深度学习框架的使用方法了。先从caffe下手。

caffe安装

caffe的安装方式有两种，第一种是自己编译源码的安装方式，第二种是下载编译好的库，包含了依赖项等各个包。如果需要对源码进行修改并加以使用的话，编译源码的方式安装比较好，我这里仅仅使用，暂不修改，直接下载caffe的github上对应的windows分支下的版本。 https://github.com/BVLC/caffe/teee/windows debug和release都下了，但是用的时候还是以release为主，另外还需要下载源码的git目录下的文件caffe-windows，并建立build文件夹，把realease的编译文件放进去就行。整个caffe-windows最好直接放在D:/这样的根目录下。

caffe自带例子学习

caffe本身包含了大量的网络模型和对应的求解文件，直接调用起来，比较容易弄懂整个caffe的执行过程。

minist例子

1.下载数据： 在caffe-windows/data/mnist/get_mnist.sh里可以看到下载的网站，自己下载，并解压到caffe-windows/data/mnist/里，注意把文件解压到这里，而不是文件夹。

2.数据转换： 需要将训练和测试集转换为lmdb格式，可以参考Rolin博客的bat处理文件的语句： blog.csdn.net/tianrolin/article/details/51434687 转换后的数据会存放在cafffe-windows/examples/mnist/下多出来的两个文件夹里。

3.修改lenet_solver.PRototxt这个文件，注意修改net的路径，以及采用的CPU或者GPU模式。我这里采用的是CPU模式。 还要修改lenet_train_text.prototxt这个文件，注意训练数据和测试数据的路径是否正确。

4.用CMD运行 打开CMD，执行 D:/caffe-windows/build/caffe-release/bin/caffe.exe train –solver=D:/caffe-windows/examples/mnist/lenet_solver.prototxt 用cpu模式要运行好几分钟才行。

运行结果：

其他的例子运行方式应该和这个mnist差不多。

训练自己的数据

待完整

参考

【1】 blog.csdn.net/tianrolin/article/details/51434687 Rolin的专栏 【2】lib.csdn.net/article/deeplearning/53927 caffe入门教程