本文主要參考了：
五、構建網路
在myfile4下建立乙個.prototxt檔案，來搭建網路。檔名為：myfile4_train_test.prototxt 構建的網路內容如下：
name: "myfile4"
layer
transform_param
data_param
}layer
transform_param
data_param
}layer
param
convolution_param
bias_filler
}}layer
}layer
layer
param
convolution_param
bias_filler
}}layer
layer
}layer
param
convolution_param
bias_filler
}}layer
layer
}layer
param
inner_product_param
bias_filler
}}layer
param
inner_product_param
bias_filler
}}layer
}layer
net: "examples/myfile4/myfile4_train_test.prototxt"
test_iter: 2
test_interval: 50
base_lr: 0.001
lr_policy: "step"
gamma: 0.1
stepsize:400
momentum:0.9
weight_decay:0.004
display:10
max_iter: 2000
snapshot: 2000
snapshot_prefix: "examples/myfile4"
solver_mode: cpu
就會得到想要的模型
注意：有的訓練網路test，有的訓練網路不帶測試，就是加不加下面這段
如果不加這段的網路，需要在solver檔案中把有關測試的設定去掉否則會出錯。需要去掉的語句是test_iter還有test_interval等語句。
至此訓練也已經完成，接下來需要做的就是用已經訓練好的模型去識別想要識別的資料。
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 ...
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...
用mmdetection訓練自己的資料集
接觸目標檢測也有半年時間了，看了一些，但是都是看得馬馬虎虎，這次先用mmdetection跑一下faster rcnn，後面徹底熟悉了，再分析它的執行過程。可能有人說先打牢基礎，看這看那，我認為還是得及時地和實際結合，如果有不對指出，請批評指正。mmdetection是商湯提出來的乙個框架吧，如果只...