windows10下利用caffe model训练自己的数据
一、背景知识
1.caffe源码结构与核心概念：
附计算所刘昕老师的图：可以看到caffe源码文件夹主要内容与功能:
核心概念：
2.经典模型：
附图：
二、实验流程
注：由于imagenet数据集过大，这里用自己的数据集完成经典model的训练与fine-tuning。 * 本文在整体宏观指引上，具体实现细节参看后附的博客文章。*
1.数据准备与测试模型
作为一个分类任务，大家选择自己的数据集即可，可以从网上下载。这里我用爬虫下了一点数据，刻意没有下载猫狗等动物图像，下载了不同色彩的数据集看model效果如何。
（1）准备这四个文件夹和两个label：
两个leveldb文件是由train和val文件夹分别生成的：train里还分成两个子文件夹，其中一个如下图： 对应制作的标签文件如，0代表红色类别： 验证val不需要再把两类分开了：
（2）用compute_image_mean.exe进行取均值的预处理，生成.binaryproto文件。
（3）选择caffe结构中一个参考模型，进行下图参数修改，训练验证并测试实现图像分类。为了最后一步的测试还要生成一个label.txt，参见前篇 手把手教windows10+无Gpu+caffe下Mnist实例运行与测试自己的图片 有详解。
以上三个步骤所用的bat文件如下：
2.细节参考以下博客及文库：
百度文库：
