Caffe 訓練車輛 Reid

（1）每個資料夾下保證是同一輛車，最好有多角度的變化，以便網路提取不同方向特徵

（2）標籤

2、編譯caffe

（注意對opencv、python版本的要求，這個問題很無解，照做就是了；我的機器環境是opencv3.4原始碼編譯安裝+系統自帶py2.7，不推薦anaconda，opencv4.1 pip安裝會報錯等，在我其他部落格會有介紹

新增了自定義層caffe根目錄/src/caffe/layers下。

（1）sudo make clean

（2）sudo make all -j16

（3）sudo make pycaffe

（4）新增環境變數

import sys,os# 設定當前的工作環境在caffe下
caffe_root = 『/home/***/caffe/』 # 我們也把caffe/python也新增到當前環境
sys.path.insert(
0, caffe_root + 『python』)
import caffe

3、caffe的模型訓練

（1）網路結構的配置檔案 ***.prototxt

資料的讀取層使用imagedata，後續具體其他的會有更新介紹，新增本地電腦的資料路徑（**和txt）

（2）超引數自定義檔案solver***.prototxt檔案

其中超引數檔案最開始讀取的是網路結構prototxt檔案。

（3）編寫sh指令碼

倒著往回推，sh指令碼給開始訓練命令–載入預訓練模型，caffe二進位制檔案–呼叫solver超引數檔案----超引數檔案prototxt呼叫網路配置檔案data.prototxt—根據data層txt標籤輸入的路徑，讀取相對應的**，送入到後續的網路。

4、調優

過程很痛苦，目前也沒啥經驗

（1）對無效資料進行清洗

（2）針對單一場景，使用新增雜訊、增減亮度進行資料增強

（3）繼續增加可用資料，感謝公司其他同事的幫忙

（4）使用不同的損失函式以及梯度下降方法以及不同網路的組合進行不同模型的訓練及視覺化指令碼的測試。

5、模型視覺化

待更新…