然後點選Download  點選下載: 101_ObjectCategories.tar.gz (131Mbytes)如下圖1、圖2所示

                                                                                       圖1

                                                                                        圖2

2.將下載的tar.gz檔案上傳到 caffe/data目錄下執行命令：tar -xzvf file.tar.gz 解壓縮

caffe資料集的建立需要兩個檔案: train.txt 和 val.txt, 格式為 圖片路徑+類別編號

這裡用用執行gettxt.py自動生成train.txt和val.txt，gettxt.py的程式碼如下：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import os

root = os.getcwd() #獲取當前路徑
data = '101_ObjectCategories'  #101資料集的資料夾名稱
path = os.listdir(root+'/'+ data) #顯示該路徑下所有檔案
path.sort()
vp = 0.1 #測試集合取總資料前10%
ftr = open('train.txt','w')
fva = open('val.txt','w')
i = 0
 
for line in path:
    subdir = root+'/'+ data +'/'+line
    childpath = os.listdir(subdir)
    mid = int(vp*len(childpath))
    for child in childpath[:mid]:
        subpath = data+'/'+line+'/'+child;
        d = ' %s' %(i)
        t = subpath + d
        fva.write(t +'\n')
    for child in childpath[mid:]:
        subpath = data+'/'+line+'/'+child;
        d = ' %s' %(i)
        t = subpath + d
        ftr.write(t +'\n')
    i=i+1

ftr.close()  #關閉檔案流
fva.close()   

3.執行gettxt.py結果如下圖3

                                                                    圖3

4.轉換成lmdb格式

mkdir calt101net   #  在caffe/examples下建立一個新資料夾

 將caffe/examples/imagenet下的create_imagenet.sh 複製到calt101net中

vim修改caffe/examples/calt101net下的create_imagenet.sh ，原先裡面內容如圖4所示，修改完成後如圖5所示

                                                                   圖4

                                                              圖5

執行  ./examples/calt101net/create_imagenet.sh  生成lmdb檔案，執行結果如下圖6所示

                                                           圖6

修改calt101net下的make_imagenet_mean.sh  並執行會根據lmdb檔案生成一個均值檔案

5.把caffe/models/bvlc_reference_caffenet/下的兩個檔案: solver.protoxt 和 train_val.protoxt[DAG網路]複製到calt101net中進行修改，首先修改examples/MyNet/train_caffenet.sh

然後修改solver.protoxt檔案內容

修改train_val.prototxt檔案內容,四項內容如下

從0開始訓練和微調　
./examples/MyNet/train_caffenet.sh