1.搞定資料集 本次caffe訓練的圖片全部來自網上下載。分為兩類，其中100個大象的影象，還有一百個恐龍的影象。如下圖： 隨機選取20個大象的圖片和20個恐龍的圖片分別放置在image_train和image_train資料夾下。 最好將兩類不同的圖片分開放置於不同的資料夾下，方便生成標籤。 2.生成影象列表 在cmd中輸入make_imagelist,根據提示就可以生成train.txt和test.txt。具體關於make_imagelist程式，詳情見我之前的部落格。 完成後將不同種類圖片根據測試集和資料集分開放置在不同的資料夾中。方便之後生成db檔案。 3.圖片格式轉換 呼叫convert_imageset分別生成img_train_lmdb和img_test_lmdb 具體操作檢視之前的部落格。 4.生成均值檔案 在cmd中或者bat中輸入 compute_image_mean.exe F:/caffefile/caffe-master/fpdata/img_train_lmdb F:/caffefile/caffe-master/fpdata/mean.binaryproto 最終生成mean.binaryproto ，下圖的txt內容就是bat檔案 5.模型及其引數設定 這次採用caffe的模型為caffenet，位於caffe-master\models\bvlc_reference_caffenet。 從資料夾中複製 到自己的目錄， 在train_val.prototxt中修改： 也就是修改均值檔案的位置和均值檔案的位置。 solver.prototxt中修改net位置以及solver_mode 注意： 如果在訓練過程中計算機cpu爆了，建議修改train_val.prototxt檔案中的batch_size。原來檔案中的batch_size值太大，佔用過多的記憶體和視訊記憶體。 6.最後執行bat或cmd中執行caffe進行訓練。 caffe.exe train --solver=F:/caffefile/caffe-master/fpdata/solver.prototxt 至此完成。