本次學習使用caffe-master檔案在downloads目錄下，使用caffe-master。
1.準備資料庫 cifar-10（預設在caffe-master目錄下）
終端執行如下命令獲取資料庫檔案
chenshaobo@idea:~/downloads/caffe-master$ cd data/cifar10/
chenshaobo@idea:~/downloads/caffe-master/data/cifar10$ ./get_cifar10.sh
執行之後，當前目錄下有以下檔案：(ls)
batches.meta.txt data_batch_3.bin get_cifar10.sh
data_batch_1.bin data_batch_4.bin readme.html
data_batch_2.bin data_batch_5.bin test_batch.bin
其中shell檔案解析如下：
dir="$( cd "$(dirname "$0")" ; pwd -p )" //dirname "$0"是獲取指令碼所在的目錄；pwd -p可以獲取當前目錄的絕對路徑；
cd $dir
echo "downloading..."
wget --no-check-certificate
echo "unzipping..."
tar -xf cifar-10-binary.tar.gz && rm -f cifar-10-binary.tar.gz
mv cifar-10-batches-bin/* . && rm -rf cifar-10-batches-bin
表示獲取檔案解壓之後的cifar-10-batches-bin資料夾下的所有檔案都移到當前目錄下並刪除空資料夾；
然後，執行一下命令將獲取的二進位制檔案轉化為lmdb格式檔案並計算image mean，如下：
chenshaobo@idea:~/downloads/caffe-master/data/cifar10$ cd ../..
chenshaobo@idea:~/downloads/caffe-master$ ./examples/cifar10/create_cifar10.sh
執行完之後，將會在examples/cifar10下生成兩個lmdb格式檔案和資料庫影象均值二進位制檔案。
2.訓練和測試
訓練主要使用網路配置檔案cifar10_quick_train_test.prototxt和網路求解檔案cifar10_quick_solver.prototxt
chenshaobo@idea:~/downloads/caffe-master/examples/cifar10$ cd ../..
chenshaobo@idea:~/downloads/caffe-master$ ./examples/cifar10/train_quick.sh
執行完命令後，此指令碼首先進行網路的搭建工作。
然後，才開始進行訓練。
通過設定後，每100次迭代會顯示一次訓練時的學習率lr和損失函式loss，每500次測試一次，輸出#0(準確率)和*1（測試損失函式）。當迭代完之後，可以獲得此模型的準確率。其中，模型的引數以二進位制protobuf格式形式進行儲存。
然後利用此模型訓練新資料。
CIFAR 10模型訓練與視覺化
通過caffe深度學習框架在cifar10資料集訓練得到模型，觀察並分析模型的train loss test loss及accuracy曲線，並對得到的caffemodel進行測試。資料集介紹 cifar 10是乙個使用非常廣泛的物體識別影象資料集，cifar 10資料中包含了60000張32 32...
caffe中 cifar10案例（一）訓練模型
1.背景知識 cifar10資料訓練樣本50000張，測試樣本10000張，每張為32 32的彩色三通道，共分為10類。cd opt caffe master sudo sh data cifar10 get cifar10.sh 3.轉換資料格式為lmdb sh examples cifar10 ...
讀取和歸一化CIFAR10
讀取和歸一化cifar10 torchvision.datasets.cifar10 root,train true,transform none,target transform none,download false 引數說明 root cifar 10 batches py 的根目錄 trai...