在跑完mnist資料集後，想跑一下cifar10，發現網上介紹的資料不多，有些步驟有點麻煩，因此就參考訓練mnist資料集的方法對cifar10資料進行訓練，最後得到了訓練結果。
sudo sh data/cifar10/get_cifar10.sh二、轉換格式
sudo sh examples/cifar10/create_cifar10.sh三、進行訓練
在cifar10目錄下可以看到train_quick.sh和train_full.sh兩個檔案，執行這兩個檔案即可開始資料的訓練。
train_quick.sh檔案是快速訓練，最大迭代次數只有4000，而full最大迭代次數則為60000，因此quick訓練速度較快，精度只有百分之七十多，full訓練完成需要4個小時左右（機器不同訓練時間可能不一樣，且這個時間是我在用gpu的情況下的時間），精度為百分之八十多。如果你需要使用cpu進行訓練，需要開啟相應的模型描述檔案進行修改。如：要使用quick方法進行訓練，則開啟train_quick.sh檔案，可以看到這個檔案呼叫了cifar10_quick_solver.prototxt模型檔案，開啟cifar10_quick_solver.prototxt，可以看到最後一行為設定gpu or cpu模式，此處根據需要進行修改。預設的為gpu。
輸入下面**開始訓練：
sudo sh examples/cifar10/train_quick.sh此處如果不在caffe根目錄下執行會報錯，原因是.sh檔案裡呼叫了編譯好的caffe可執行檔案，路徑是基於根目錄的，因此需要在根目錄下執行。
四、利用test資料進行分類
訓練過程結束後，可以看到在cifar10資料夾下多了幾個檔案，其中cifar10_quick_iter_5000.caffemodel.h5是最終得到的模型權值資料，cifar10_quick_iter_5000.solverstate.h5儲存了訓練狀態資料。這兩個檔案都是二進位制資料。此處用來分類的檔案為cifar10_quick_iter_5000.caffemodel.h5檔案。
依舊是在caffe根目錄下輸入下面的**進行分類：
sudo ./build/tools/caffe.bin test -model examples/cifar10/cifar10_quick_train_test.prototxt -weights examples/cifar10/cifar10_quick_iter_5000.caffemodel.h5 -iterations 100五、總結
跑例子只是學習的手段之一，在執行上面的每個步驟的過程中，最好理解每一步的原理再去執行會學到更多，在執行這些檔案的時候建議看一下這些檔案中的**，確定一下檔案之間的呼叫關係，熟悉caffe訓練乙個資料集的過程。
以上。
Ubuntu安裝Caffe並訓練MNIST
ubuntu安裝caffe並訓練mnist。今天介紹一下如何在ubuntu下安裝caffe並且訓練mnist。當然，第一手的資料同樣來自於caffe官網 版本是16.04，caffe是cpu only的版本。caffe安裝 通過下面的命令安裝protobuf，leveldb，snappy，openc...
windows下caffe之訓練mnist
一 參考資料 悠望南山 caffe 學習筆記 一 caffe example 之訓練mnist 二 訓練所需要用到的檔案 1.mnist test lmdb 測試資料集，裡面包括data.mdb和lock.mdb 2.mnist train lmdb 訓練資料集，裡面包括data.mdb和lock....
caffe訓練流程
l 準備訓練資料流程如下 用指令碼生成好label.txt標籤檔案,格式如下 檔名 空格 標籤 把所有放在乙個目錄下後cd到執行如下命令 convert imageset flags rootfolder listfile db name 其中db name後面還可以跟一些可選的引數設定，具體有哪些...