準備工作

按照之前的教程，成功生成過caffe，並且編譯整個caffe.sln專案工程，在\caffe-master\Build\x64\Debug生成了一堆exe檔案，後面會使用到除了caffe.exe的另外一個exe

【PS】很多VS安裝過程中出現問題的，比如XX載入失敗，XX未找到等，請自行尋找問題，很可能是原來的VS沒解除安裝乾淨，或者VS版本缺少一些檔案等導致。正常情況下，第一次編譯只有libcaffe.lib顯示失敗，不會出現其它error

第一步

下載cifar的資料集

多一句嘴，這個資料集是彩色圖片，也即具有RGB三通道，資料儲存方式是一行為一張圖片，包含3*32*32=3072個畫素屬性，具體多少張圖片，有興趣的可以去官網看看，或者看看資料集的儲存格式：樣本數(圖片數)*3072

【與訓練model無關】下面程式碼是用matlab寫的，用於顯示其中一個樣本，當然你可以用reshape函式，前面我介紹過這個函式

1. image=zeros(32,32,3);  
2. count=0;  
3. for i=1:3  
4.     for j=1:32  
5.         for k=1:32  
6.             count=count+1;  
7.            image(j,k,i)=data(1000,count);  
8.         end  
9.     end  
10. end  
11. imshow(uint8(image))  

第二步

下載完畢以後，解壓得到資料，請核對是否與下圖一樣

按照下列路徑，在自己的caffe目錄下建立input_folder資料夾，並拷貝相應資料集

第三步

在input_folder的上一級目錄，也就是Debug目錄建立一個bat檔案(名稱隨意，我用的是convert.bat)，用於轉換資料集格式，內容如下

1. convert_cifar_data.exe  input_folder output_folders leveldb  
2. pause  

【PS】caffe-windows是caffe官方提供的caffe，與caffe-master差不多，我這裡為了從頭演示，沒有在master裡面操作，無視之即可

執行此bat檔案，會生成一個資料夾output_folders，裡面有兩個資料夾，請核對路徑以及檔案數目

第四步

計算均值，新建另一個bat檔案（本文采用mean.bat），如下圖所示，請核對路徑

1. compute_image_mean.exe output_folders/cifar10_train_leveldb mean.binaryproto  
2. pause  

雙擊此bat檔案，不出意外會出現下面問題：

解決方法，開啟caffe.sln，修改compute_image_mean.cpp

重新生成一下，得到新的計算均值的exe檔案【電腦編譯中。。。等待ing。。。。】

編譯完畢，重新執行bat檔案，仔細檢查debug資料夾，會發現有一個檔名為：mean.binaryproto

第五步

將debug資料夾下的mean.binaryproto以及output_folders下的兩個資料夾拷貝到caffe-windows\examples\cifar10

在caffe-windows也就是caffe-master（根據版本自行決定）資料夾下新建一個bat檔案，用於訓練模型，本文使用train.bat

1. .\Build\x64\Debug\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt  
2. pause  

cifar10_quick_solver.prototxt檔案：

1. # reduce the learning rate after 8 epochs (4000 iters) by a factor of 10  
2. # The train/test net protocol buffer definition  
3. net: "examples/cifar10/cifar10_quick_train_test.prototxt"  
4. # test_iter specifies how many forward passes the test should carry out.  
5. # In the case of MNIST, we have test batch size 100 and 100 test iterations,  
6. # covering the full 10,000 testing images.  
7. test_iter: 100  
8. # Carry out testing every 500 training iterations.  
9. test_interval: 500  
10. # The base learning rate, momentum and the weight decay of the network.  
11. base_lr: 0.001  
12. momentum: 0.9  
13. weight_decay: 0.004  
14. # The learning rate policy  
15. lr_policy: "fixed"  
16. # Display every 100 iterations  
17. display: 100  
18. # The maximum number of iterations  
19. max_iter: 4000  
20. # snapshot intermediate results  
21. snapshot: 4000  
22. snapshot_format: HDF5  
23. snapshot_prefix: "examples/cifar10/cifar10_quick"  
24. # solver mode: CPU or GPU  
25. solver_mode: CPU  

cifar10_quick_train_test.prototxt檔案【只貼前面一部分】，需要修改的就是資料格式為leveldb，以及相關路徑，自行核對

1. name: "CIFAR10_quick"  
2. layer {  
3.   name: "cifar"  
4.   type: "Data"  
5.   top: "data"  
6.   top: "label"  
7.   include {  
8.     phase: TRAIN  
9.   }  
10.   transform_param {  
11.     mean_file: "examples/cifar10/mean.binaryproto"  
12.   }  
13.   data_param {  
14.     source: "examples/cifar10/cifar10_train_leveldb"  
15.     batch_size: 100  
16.     backend: LEVELDB  
17.   }  
18. }  
19. layer {  
20.   name: "cifar"  
21.   type: "Data"  
22.   top: "data"  
23.   top: "label"  
24.   include {  
25.     phase: TEST  
26.   }  
27.   transform_param {  
28.     mean_file: "examples/cifar10/mean.binaryproto"  
29.   }  
30.   data_param {  
31.     source: "examples/cifar10/cifar10_test_leveldb"  
32.     batch_size: 100  
33.     backend: LEVELDB  
34.   }  
35. }  

【PS】一定要細心

最後，執行train.bat時候出現如下介面，說明正在訓練

是不是感覺和網上看到的不一樣呢？網上都是各種iteration 和loss顯示在命令視窗，但是這裡出現了prefetch batch等。原因在於我們用的是debug模式下生成的caffe在訓練，如果想看到如下情形的結果，請將caffe.sln使用release模式生成(用VS2013打卡caffe.sln以後，上方中間部分的dubug改為release，然後右鍵工程，重新生成)

第六步

訓練完成，會得到如下檔案

下面是我訓練好的cifar10的model，讀者可下載，可自行訓練

cifar10_quick_iter_4000.caffemodel.h5的連結：http://pan.baidu.com/s/1o8xSqr4 密碼：ftc5

cifar10_quick_iter_4000.solverstate.h5的連結：連結：http://pan.baidu.com/s/1eRGPlNs 密碼：589n