新鳥最近在一家半導體公司實習，接觸到的專案都是基於 caffe框架的深度學習方面的知識，前期對tensorflow比較熟，但是到了公司沒辦法啊！！！不會怎麼辦，只能硬著頭皮上啊！！！！中途碰壁不少，寫這篇部落格只是想以後方便查閱資料，另外一方面是給同樣在深度學習裡面摸爬滾打的朋友乙個參考吧！！！！
公司提供的資料都是工程師切分好的資料集，但是影象的大小有大有小，不能直接拿過來用在神經網路上面使用，因此需要我這樣的菜鳥對資料集進行必要的處理。首先，caffe的資料集一般為lmdb或levelmdb的檔案。
在caffe 中開發者為我們這樣的新鳥提供了這樣乙個類:convert_imageset.cpp可以直接拿過來使用，該類存放在根目錄下面的tools檔案下。使用之前需要編譯，編譯生成的可執行檔案放在build/tools下面，這個檔案的作用就是將檔案轉換成caffe框架下直接使用的lmdb檔案。下面開始資料集的製作，其中的資料是來自kaggle平台上面dog vs cat比賽的資料集，我只取用了其中的訓練集和測試集，訓練集10000張，測試集5000張，在這裡首先感謝kaggle平台提供優秀的資料集。、
我資料集的**是：
2.將資料集轉換為txt形式
資料集存放的位置是:/home/work.caffe/examples/images/dataset，在該檔案下建立乙個create_filelist.sh檔案，檔案內容如下：
data表示生成train.txt和test.txt的路徑，data_train表示訓練集資料的路徑，data_test表示測試集資料的路徑。
rm: 刪除檔案
find:尋找檔案
cut: 擷取路徑
sed:在每行的最後面加上標註，找到cat.*.jpg檔案在txt檔案內新增1
說明：cut是擷取路徑，這裡擷取的路徑是data_train和data_test的路徑，以 / 進行劃分：
如： examples/imges/dataset/train/cat.*.jpg此時劃分後examples位置為1，images為2，dataset為3，train為4，cat.*.jpg為5
因此-f5的意思就很明顯了。
開啟train.txt檔案內容如下：
3、生成lmdb資料集
在home/work.caffe/examples/images/dataset檔案下建立乙個create_lmdb.sh檔案，內容如下：
build/tools/convert_imageset，通過呼叫convert_imageset函式將資料集轉化為lmdb資料格式，
--shuffle是否隨機打亂的順序。預設為flase
--resize_height --resize_width將切片為寬高均為32的新的資料集。
/home//zhaoyoubiao/caffe/examples/images/dataset/train和/home//zhaoyoubiao/caffe/examples/images/dataset/test為訓練集合測試集的絕對路徑。通過執行如下命令：
將在/examples/images/dataset目錄下生成如下兩個檔案：img_train_lmdb和img_test_lmdb，至此在caffe框架下製作lmdb資料格式的資料集已經圓滿完成。
ubuntu14 04 caffe 製作自己的資料
嘿嘿，最近部落格更得有點勤啊，主要博主最近快畢業了，閒來無事就沒事多學點東西把。今天博主想自己做caffe的資料集，來給出詳細的步驟。首先切換到我的caffe的主目錄，然後 cd data我在data目錄下建立了乙個叫myself的資料夾 我建立了如下的檔案 我來說明一下，test檔案放我們需要的，...
使用caffe訓練自己的資料
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 ...
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...