本文是學習Caffe官方文件"ImageNet Tutorial"時做的，同樣由於是Windows版本的原因，很多shell指令碼不能直接使用，走了不少彎路，但是收穫也不少。比如：如何讓shell指令碼在Windows系統上直接執行、如何去用Caffe給影象resize來統一大小，如何去構建train.txt和val.txt等等。具體流程均記錄如下。

正文：

1.準備資料

我從網上下載了兩類圖片，一類為貓，一類為鳥，分別存在名為bird和cat的資料夾裡，每類60張（50張做為訓練集，10張做為測試集）。【分開存放，在做train.txt時，方便打標籤。等做完標籤再將100張訓練圖片一起放在新建的train檔案下里，下面會詳述。】

貓：（已經過批量重新命名。ps：我選圖還是比較講究的，不好看的、不清楚的、不奇怪的我不選，哈哈）

鳥：（已經過批量重新命名）

2.構建train.txt和val.txt

首先是重新命名圖片，從搜尋引擎下載下來的圖片的名稱都是則亂無章，我們需要用批量重新命名的方法去先給它們命名。

批量重新命名可以通過一個bat檔案實現，程式碼如下：

修改其中的“bird”位置，執行。比如，我將“bird”改為“Cat”，執行bat檔案，效果如下：

可以看到圖片名字被統一的修改了，並且生成了一個list資料夾，通過txt檔案的查詢-替換，給每個檔案打上標籤（比如Cat為0，Bird為1），截圖如下:

下面的工作自己做就行了，將cat和bird的txt文件，合在一起，組成train.txt。同理，完成val.txt。我的train.txt和val.txt的截圖如下（我標籤用了1和2）：

3.資料處理

資料處理要進行三項：1.將圖片統一轉化成256X256大小。2.將資料轉化為LEVELDB格式。3.求資料均值。

看了一些部落格，在將圖片統一轉化成256大小這兒曲線救國，想了很多方法。其實第1步和第2步可以一起完成，只要呼叫examples\imagenet\create_imagenet.sh就可以一起完成。但是shell指令碼在Windows下如何執行呢？是可以的，只需要安裝Git即可在Windows環境下執行shell指令碼！Git下載連結：https://git-scm.com/downloads/

根據具體情況，對create_imagenet.sh，做一些修改（需要修改處均用紅色方框標出，五角星處即是caffe自帶的resize圖片的地方，一定要設為true）：

開啟git，執行create_imagenet.sh即可，檢視資料夾，出現imagenet_train_leveldb和imagene_val_leveldb：

接下來是進行第三步，求影象均值了。在進行這一步時，我使用\examples\imagenet\make_imagenet_mean.sh時，是成功求得了均值檔案imagenet_mean.binaryproto，但在之後訓練時，一直報錯，提示均值檔案無法讀取。故還是換用了compute_image_mean.exe，來求得均值檔案，具體步驟，之前的文章已經記錄了，不再贅述。

再從\models\bvlc_reference_caffenet中，將train_val.prototxt和solver.prototxt複製過來，這樣所有檔案都準備齊全了：

4.配置訓練所需檔案

首先，根據具體情況修改，train_val.prototxt：

修改solver.prototxt：

關於solver裡面的引數，我認為應該根據具體情況就修改就好了，這一部分我還不是很熟悉，慢慢積累吧。

5.進行訓練

寫一個bat檔案，進行訓練即可！bat檔案程式碼如下：

6.訓練結果

因為我的電腦配置很低很低。。所以訓練起來很慢，我調小了很多引數，訓練了兩天還是沒訓完。。。貼一張訓練中的截圖吧：

7.總結

這次主要是為了自己感受一下用Windows Caffe訓練自己資料的整個過程，也沒有去追求準確率，也沒有考慮去跟蹤訓練過程去調參等等。這些經驗方面的知識，接下來慢慢繼續積累吧。經過這次學習，起碼能把整個過程跑下來了，收穫很多。

參考文件：