@author：oneBite

本文简述如何在windows环境下，运行caffe的“hello world”例程

体会适用caffe的流程：转换输入数据格式>在solver.prototxt中配置训练参数，在train.prototxt中配置网络结构和输入输出、激活函数>调用caffe train and test

"hello world"-运行识别手写数字的例程

先简要概述Linux下的运行caffe helloworld例程过程

编译caffe>下载相应的训练数据到指定目录>然后运行sh文件训练和测试即可。

Shell脚本所做的主要工作，调用编译得到相应的bin文件：

1 将输入数据转化到指定的数据格式-LMDB。文件夹中附有源码：vert_mnist_data.cpp；

2 运行caffe命令（即caffe.bin,是编译得到的可执行文件），训练网络>测试数据。在命令行中运行caffe –help可以看到些许帮助。

Windows

而windows下，solution编译之后也获得了很多exe文件，运行例程时，需要我们自己调用exe文件执行跟linux上一样的逻辑。

在vs2013中，可以看到编译生成的可执行文件的输出路径。

在project的properties>general>Output Directory中

其中的变量可以参看https://msdn.microsoft.com/en-us/library/c02as0cs.aspx。在本机上，目录是caffe-windows\caffe-windows\Build\x64\Debug。

本次例程需要使用convert_mnist_data.exe，caffe.exe

查看命令帮助：

E:\work17\caffe-windows\caffe-windows\Build\x64\Debug>

.\convert_mnist_data.exe –help

使用命令时，也可以参看linux端的sh文件中是如何调用相应的bin文件的，有一定的参考价值。Caffe官方并没有给出较为详细的reference手册。

convert_mnist_data.exe用于将mnist上下载的数据集转化为lmdb数据格式。可以看一下convert_mnist_data的源代码，了解lmdb格式内容。

命令使用格式 [flag] 输入数据 输入label文件 输出文件夹

 

Windows process

上述大致介绍了caffe运行的原理。注意调用命令时，cmd所处的目录为caffe的主目录，本机为E:\work17\caffe-windows\caffe-windows。

1 调用convert_mnist_data。

E:\work17\caffe-windows\caffe-windows>路径\convert_mnist_data \解压之后的image文件 \解压之后的label文件 \文件输出目录

运行一次之后，在指定的输出目录下就会出现data.mdb和lock.mdb文件

2 调用caffe，训练网络权值。(还是要注意运行exe时，cmd所处的当前目录)

\目录\caffe.exe train --solver=\目录\lenet_solver.prototxt

#solver.prototxt#

定义了训练时所需的参数

内容摘要：

#定义了描述训练网络结构的prototxt文件的位置

net: "examples/mnist/lenet_train_test.prototxt"

# solver mode: CPU or GPU，这里需要进行更改，因为上次编译的caffe，修改了config文件，编译得到的是不适用GPU的caffe.exe

solver_mode: CPU

#lenet_train_test.prototxt#

在lenet_train_test中设置训练和测试的数据来源 backend，大概格式的意思

data_param {

source: "examples/mnist/mnist_train_lmdb"

batch_size: 64

backend: LMDB

}

3 调用caffe，测试网络。

权值文件 caffemodel

caffe test -model train_test.prototxt -weights xxxx.caffemodel -iteration 100