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_full_dir2（自己定）
1.3進入caffe_root/examples/imagenet/ 目錄中， 修改create_imagenet.sh
data=data/myfile
train_data_root=/img_full_dir1
(img_full_dir1 存放訓練的目錄）
val_data_root=/img_full_dir2 (img_full_dir2 存放測試的目錄）
在caffe_root 下執行 ./examples/imagenet/create_imagenet.sh ， 可以在examples/imagenet 目錄下找到， ilsvrc12_train_lmdb ilsvrc12_val_lmdb兩個目錄。
1.4在caffe_root 下行 ./examples/imagenet/make_imagenet_mean.sh ， 結果儲存在data/ilsvrc12/imagenet_mean.binaryproto。2.1. 修改models/bvlc_reference_caffenet 下的solver.prototxt和 train_val.prototxt train_val.prototxt需要修改自己的訓練集生成的lmdb檔案的位置。
用caffe訓練自己的資料集 二
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 ...
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...
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 ...