1.簡介

這是一個非常簡單的例項，主要是為了這個簡單的例項瞭解caffe的工作流程。

2.操作流程

1.獲取資料

在caffe-master/data/mnist資料夾中只有一個get_mnist.sh可執行檔案，我們需要執行這個檔案獲取mnist所需要的資料。

• 執行命令：./data/mnist/get_mnist.sh
• get_mnist.sh原始碼解析：
  
  通過原始碼我們可以知道，這個指令碼主要是下載t10k-images-idx3-ubyte t10k-labels-idx1-ubyte train-images-idx3-ubyte train-labels-idx1-ubyte 這四個檔案 然後解壓
• 執行完命令後的檔案目錄：
  
  get_mnist.sh檔案是原有的，其他四個檔案是下載的。

2.將資料轉化為lmdb格式

• 命令：./examples/mnist/create_mnist.sh
  
• 注意：在這裡可能會遇到一個bug，如下：
  
  • 問題描述：
    
  • 原因是：指令碼執行必須在caffe資料夾的根目錄下執行，，而我在examples/mnist/目錄下執行指令碼，所以報錯。

3.訓練

• 命令：./examples/mnist/train_lenet.sh

• train_lenet.sh原始碼解析：

  • 原始碼：
  • 解釋：train是我們在安裝caffe的時候已經編譯好的二進位制檔案，tools資料夾中還有很多工具，訓練呼叫的是caffe原始碼中tools資料夾中的二進位制檔案，solver後面跟的是定義優化方式的prototxt檔案

• 注意：訓練的時候，如果安裝的時候選擇了CPU_ONLY的話，在*.prototxt檔案中，把“mode:GPU”改成“mode:CPU”

• lenet_solver.prototxt檔案原始碼解析：
  

4.結果

這裡僅用CPU進行訓練，大概用15分鐘左右，準確率為99.13%。