公司要往影象識別方面拓展業務，奈何沒有人對這方面有哪怕稍微深入點的瞭解，本人榮挑重擔，從只知道AI這個名詞的小白開始學習深度學習。到現在學習caffe接近兩個月了，中間走了很多彎路，遇到很多對新手來說是難題，對熟悉這方面的人來說卻簡單到不認為是問題的問題。所以總結下來供像我這樣的新手學習

一、Linux

1、進入root許可權

執行下面的程式碼

sudo su

然後提示輸入密碼，就可以進入root許可權了（root許可權相當於windows下的管理員許可權，密碼是系統的開機密碼）

2、修改檔案的許可權

有些檔案在Linux系統下顯示帶鎖的圖示，這樣的檔案不能直接修改刪除，所以一般需要修改許可權

我通常用下面的程式碼修改

chmod 777 -R /path/to/file

二、caffe

1、生成日誌檔案

使用caffe生成模型的時候，我們可能想生成loss、accuracy曲線，方便檢視引數對模型好壞的影響。如果用python的方法，每次生成曲線都要重新訓練模型，非常浪費時間，所以我採用caffe自帶的檔案來完成任務

首先生成 .log檔案（此檔案會自動儲存你訓練過程中terminal顯示的內容）執行代命令如下：

time sh examples/myfile/train.sh 2>&1 | tee examples/myfile/record1.log
 

sh examples/myfile/train.sh ：執行myfiile資料夾下的train.sh檔案，（訓練模型要執行的檔案）

examples/myfile/record1.log ：生成的log檔案要儲存的位置，record1是儲存的檔名

2、利用log檔案生成loss函式

命令如下：

./tools/extra/plot_training_log.py.example "0" "image.png" examples/myfile/record1.log

“0” ：此處可以改為0、1、2、3、4、5、6、7，用來生成不同的曲線，可以自行嘗試

“image.png” ：生成的曲線儲存的位置和儲存的檔名

examples/myfile/record1.log ：要呼叫的log檔案（上一步生成的log檔案）

3、修改圖片大小

命令：

for name in /home/username/caffe/data/image/train/0/*.jpg; do convert -resize 256x256\! $name $name; done

4、C++方法檢視模型對圖片的識別概率

命令：

sudo ./build/examples/cpp_classification/classification.bin \
models/bvlc_reference_caffenet/deploy.prototxt \
models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \
data/ilsvrc12/imagenet_mean.binaryproto \
data/ilsvrc12/synset_words.txt \
examples/images/cat.jpg

deploy.prototxt ：類似train_val.prototxt檔案，但又不同，只用於使用模型進行影象識別的時候（沒有這個檔案或者不知道怎麼修改這個檔案，可自行百度）

bvlc_reference_caffenet.caffemodel ：要使用的模型，可以替換成你自己的模型

imagenet_mean.binaryproto ：對應的均值檔案

synset_words.txt ：圖片類別對應的含義。訓練的資料集帶有標籤，使用模型分類的結果會給出標籤，這個檔案用來解釋標籤代表的含義

如圖，我的synset_words.txt檔案（不過我把檔名改為：label.txt。注意此檔案一定要在Linux下建立編輯完成，不能直接在windows下建立，複製到Linux下，不然輸出的概率值的格式很奇怪）