這裡先介紹採用image-net來訓練自己的資料：
假設放在：
~/data/train
假設放在：
~/data/val
格式樣例：
格式樣例：
假設這兩個檔案均放在：
~/data
這裡將資料最好放在自己的使用者組裡面，放在別的使用者組，
在呼叫image-net的時候可能會涉及到許可權問題導致執行失敗。
example=example/imagenet
改為：自己想存放的位置。(不建議修改，不然還需要做相應的修改，挺麻煩的)
我這裡沒有做修改，所以在執行creat_imagenet.sh之後，
在~/***/caffe/example/imagenet的目錄下產生了兩個檔案：
ilsvrc12_train_lmdb ilsvrc12_val_lmdb
data=data/ilsvrc12
改為：data=/home/***/data
train_data_root=/path/to/imagenet/train/
改為：train_data_root=/home/yyy/data/train/
val_data_root=/path/to/imagenet/val/
改為：val_data_root=/home/yyy/data/val/
./example/imagenet/creat_imagenet.sh
也就是根據自己的資料已經產生了兩個資料，存放在caffe/example/imagenet中：
ilsvrc12_train_lmdb ilsvrc12_val_lmdb
如果前面做了修改，那麼這裡做相應的修改
這個引數是指明所求的均值存放的位置。(不建議修改，不然還需要做相應的修改，挺麻煩的)
我這裡不做修改，也就是將會在caffe/data/ilsvrc12中產生：
imagenet_mean.binaryproto
./example/imagenet/make_imagenet_mean.sh
執行完了之後，將會在caffe/data/ilsvrc12中看到乙個執行結果：
imagenet_mean.binaryproto
如果前面2.1中做了修改，
那麼在目錄caffe/models/bvlc_reference_caffenet中
需要修改train_val.prototxt中相應地方。
如果前面4.2中做了修改，
那麼在目錄caffe/models/bvlc_reference_caffenet中
需要修改train_val.prototxt中相應地方。
請參考：
./example/imagenet/train_caffenet.sh
因為很多引數我都沒有修改，所以迭代了450000次。
更詳細的描述可以參考：
每迭代10000次的時候，會儲存乙個類似執行環境一樣的東西吧。
如果中途突然斷電之類的，終止了程式執行，那麼可以直接執行：
./example/imagenet/resume_training.sh
訓練好的模型存放在caffe/models/bvlc_reference_caffenet中。
caffe訓練自己的資料
本文介紹如何使用 caffe 對自己的影象資料進行分類。1 資料庫準備 由於資料收集比較費時，為了簡單說明，我用了兩類，dog和 bird 每種約 300張。train200 張，val100張。新建乙個資料夾 mine 放自己的資料，在 mine 資料夾下新建 train 和val 資料夾，tra...
caffe中使用自己的資料訓練網路之資料的劃分
現假設我們得到了一批已經分好類的資料，但是這些資料卻沒有做劃分，即沒有分為 training set dev set test set，現在，我們將得到的資料做training和dev的劃分。現假設我們對於training和dev的劃分為3 1，則 coding utf 8 created on s...
Caffe 用自己的資料做訓練
1.1資料集分為train和validate，分別寫到train.txt和val.txt中。1.2將準備好的兩個txt，放到caffe root data myfile caffe root是caffe的根目錄，myfile自己命名 將訓練街和驗證集資料夾放到 img full dir1和 img ...