在此，先要說一下，我只弄懂了怎麼用自己的資料訓練。但如何在訓練好的模型上再繼續用自己的資料訓練，我還沒弄懂所以，今天主要記錄一下怎麼來將自己的資料弄成imagenet接受的形式。
    下圖是我的matconvnet-1.0-beta23，裡面有個data資料夾，沒有就自己建立一個data.

依照下圖，在data資料夾中建立兩個資料夾：ILSVRC2012和imagenet12-alexnet-bnorm-simplenn 。

我們先來看第一個ILSVRC2012資料夾，在此資料夾下載建立如下圖所示的ILSVRC2012_devkit_t12和images兩個資料夾。

這回，我們先來看看images資料夾，先看下圖，在images 資料夾下再建立兩個檔案：train和val（可以看成就是測試資料test），可以看出，這裡就是我們要放自己的圖片資料的地方啦 。

我的訓練資料分為3類，所以在train中，我建立了三個資料夾，n01， n02，n03，每個資料夾中分別放置類1，類2，類3的訓練圖片。其中，圖片大小四256*256*3，格式為.JPEG。關於圖片的命名，我的是如下圖。前面是n0*_ ，代表類別，後面是0000…N是該圖片在第* 類訓練資料中的編號。關於為什麼這麼多0，要不要非得按照我的命明方式來，我建議還是按著來吧，畢竟我也是按照原有的ILSVRC2012資料套用的，沒嘗試其它命名方式行不行，反正我弄得這個可以跑通。我的訓練資料有1134張，分為3類，每類378張圖片。對於n01中，包含378張圖片，所以我的圖片名是從n01_00000001.JPEG 到 n01_00000378.JPEG；對於n02資料夾，也包含378張圖片，所以我的圖片名是從n02_00000001.JPEG 到 n02_00000378.JPEG；同理，n03資料夾中也包含378張圖片，所以我的圖片名是從n03_00000001.JPEG 到 n03_00000378.JPEG。

接下來是val資料夾中的測試資料。測試圖片直接儲存在val資料夾下，如下圖，圖片大小和格式與訓練資料相同，命名為ILSVRC2012_val_000…N.JPEG，其中N是該圖片在測試資料集中的編號。比如我自己的資料有756張測試圖片，所以我的val中的圖片命名是從ILSVRC2012_val_00000001.JPEG到ILSVRC2012_val_00000756.JPEG，按順序儲存著252張類1,252張類2,252張類3測試圖片。

現在images資料夾下資料弄好了，我們來看ILSVRC2012下另一個資料夾：ILSVRC2012_devkit_t12。首先在ILSVRC2012_devkit_t12資料夾下建立一個名為data的資料夾，然後將images/val中測試圖片按順序對應的類標寫在名為ILSVRC2012_validation_ground_truth的.txt檔案中如下圖。比如我前面說到我有756張測試圖片，且分為3類，每類就有252張圖，並且在val中圖片ILSVRC2012_val_00000001.JPEG到ILSVRC2012_val_0000000252.JPEG都是類1的圖片，圖片ILSVRC2012_val_00000253.JPEG到ILSVRC2012_val_00000504.JPEG都是類2的圖片，圖片ILSVRC2012_val_00000505.JPEG到ILSVRC2012_val_00000756.JPEG都是類3的圖片，那麼在我的.txt檔案中，會有252個1,252個2和252個3。

省略號

省略號

到此，我們的ILSVRC2012資料夾就準備好了，還差imagenet12-alexnet-bnorm-simplenn資料夾中的內容。下圖可看到imagenet12-alexnet-bnorm-simplenn資料夾中包含兩個.mat檔案。先說第一個imdb.mat 。imdb.mat 下包含一個名為images的 struct，一個名為classes的struct,和一個名為imageDir的char。

（1）名為images的 struct下包含images.id （double），images.name（cell），images.set（double）和images.label（double）。

在此，為了說清楚，我來拿我自己的資料舉例子。我的訓練資料1134張，分為3類，每類也就是378張圖片。我的測試資料756張,同樣分為3類，每類252張。訓練加測試一共是1890張圖片。
（1.1）images.id 是一個1*1890的double，其中按順序儲存著1到1890數字。（幹嘛用的我也不知道）

（1.2）images.name 是一個1*1890的cell。每一列儲存的是圖片的地址名，是從train和val檔案開始的。比如：前1134個為 train/n01/n01_00000001.JPEG …train/n01/n01_00000378.JPEG…train/n02/n02_00000001.JPEG…train/n01/n01_00000378.JPEG…train/n03/n03_00000001.JPEG…train/n03/n03_00000378.JPEG; 同理，接在後面的是測試的，就是val/ILSVRC2012_val_00000001.JPEG到 val/ILSVRC2012_val_00000756.JPEG 。

（1.3）images.set是1*1890的double,其由數字1和2組成，訓練資料集中有多少個圖片，就有多少個1，測試集中有多少個圖片，就有多少個2。在我的資料中，有1134個1和756個2。

（1.4）image.label是1*1890的double，儲存的是資料夾n01,n02,n03和val中圖片對應的類標。比如，我訓練資料分為3類，每類圖片數都是378；測試資料有756個，也分為3類,1—252是類1,253—504是類2,505—756是類3。那麼在我的image.label中先是378個1，再是378個2，接著378個3，接著252個1,252個2,252個3。

（2）imdb.mat中classes(cell)包含兩個cell，classes.name(cell)和classes.description(cell):

(2.1)classes.name是1*M的，其中M是你訓練資料的類數。比如我有3個資料夾在train資料夾下，那我的classes.name如下圖。

（2.2）classes.description也是1*M的，M是類數。裡面就是描述你每個類的特徵的。比如我的圖片是表現心情的圖片，分為happy ,sad ,neural 三類。

（3）imdb.mat下最後一個包含的是imageDir，裡面是你存圖片的地址。比如我們把我們的train和val圖片存在了ILSVRC2012/images中, 我們的imageDir為 ：home/your_name/data/ILSVRC2012/images .

接下來說imagenet12-alexnet-bnorm-simplenn資料夾中的另一個.mat檔案：imageStats.mat，如下圖：它包含內容如下：

這三個引數是根據你自己的資料生成的，這裡我將生成自己的imageStats.mat的程式碼貼出來,讀者自己改一下：建立個名為makeImageStats的函式，放在matcovnet下的examples/imagenet下，執行一下makeImageStats.m，生成自己的imagsStats.mat：

function [ output_args ] = makeImageStats( input_args )
%用來處理EEG資料，生成imagsStats.mat
load E:\matlabCode\EEG_上交\data_augmentation\3到5頻帶不加噪音\imdb.mat     %你自己的資料的imdb.mat的地址
train = find(images.set == 1) ;
  images = fullfile(imageDir, images.name(train(1:100:end))) ;
%   [averageImage, rgbMean, rgbCovariance] = getImageStats(images, ...
%                                                     'imageSize', [256 256], ...
%                                                     'numThreads', opts.numFetchThreads, ...
%                                                     'gpus', opts.train.gpus) ;
     [averageImage, rgbMean, rgbCovariance] = getImageStats(images, ...
                                                    'imageSize', [256 256], ...  %[256 256]
                                                    'numThreads', 12) ;
  save('E:\matlabCode\imageStats', 'averageImage', 'rgbMean', 'rgbCovariance') ; %生成的imageStats的存放地址



end

按照上面說的，將自己資料對應如下圖的幾樣東東弄好，放入matcovnet的data資料夾下。

最後，執行examples/imagenet下的cnn_imagenet.m

訓練模型開始，最終生成的模型存在imagenet12-alexnet-bnorm-simplenn中。

記錄：
模型訓練epoch在cnn_imagnet_init.m中設定