Windows caffe (一) MNIST手写体跑起来

1、首先配置环境

网上教程比较多，给大家推荐一篇博客

2、安装Git和wget

Git bash可以让你直接在windows下运行shell脚本。 下载地址

wget可以让你从互联网上获取资源。下载地址

为了外部调用wget，需要将wget所在目录加入环境变量

电脑-》属性-》高级系统设置-》环境变量-》（用户/系统都可以）

3、下载MNIST数据

用git bash运行caffe目录下的data/mnist下的get_mnist.sh

#!/usr/bin/env sh # This scripts downloads the mnist data and unzips it. DIR="$( cd "$(dirname "$0")" ; pwd -P )" cd "$DIR" echo "Downloading..." for fname in train-images-idx3-ubyte train-labels-idx1-ubyte t10k-images-idx3-ubyte t10k-labels-idx1-ubyte do if [ ! -e $fname ]; then wget --no-check-certificate http://yann.lecun.com/exdb/mnist/${fname}.gz gunzip ${fname}.gz fi done调用wget,从网络中直接下载数据集，下载完成后，如下图所示：

4、数据格式的转换

第三步从网络下载的数据是二进制数据，无法直接在caffe框架下使用，需要转换成lmdb或者leveldb格式的数据，本例中转换为lmdb格式。具体过程如下：

打开 caffe根目录/example/mnist/create_mnist.sh

#!/usr/bin/env sh # This script converts the mnist data into lmdb/leveldb format, # depending on the value assigned to $BACKEND. set -e EXAMPLE=D:\\Caffe\\Caffe_BVLC\\examples\\mnist DATA=D:\\Caffe\\Caffe_BVLC\\data\\mnist BUILD=D:\\Caffe\\Caffe_BVLC\\Build\\x64\\Release BACKEND="lmdb" echo "Creating ${BACKEND}..." rm -rf $EXAMPLE/mnist_train_${BACKEND} rm -rf $EXAMPLE/mnist_test_${BACKEND} $BUILD/convert_mnist_data.exe $DATA/train-images-idx3-ubyte \ $DATA/train-labels-idx1-ubyte $EXAMPLE/mnist_train_${BACKEND} --backend=${BACKEND} $BUILD/convert_mnist_data.exe $DATA/t10k-images-idx3-ubyte \ $DATA/t10k-labels-idx1-ubyte $EXAMPLE/mnist_test_${BACKEND} --backend=${BACKEND} echo "Done." 红色部分换成自己的路径。

有一点需要注意：路径的设置，当我使用相对路径的时候，报了一个错误：Check failure stack trace

执行完该文件，会在example/mnist文件夹下出现两个新的文件夹，如下图：

至此，数据的转换已经完成。

5、训练神经网络

在根目录下新进一个文本文件，重命名为run_mnist.bat。在该文本中加入

.\Build\x64\Release\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt pause打开lenet_solver.prototxt，在最后一行选择cpu或者gpu，根据自己的情况选择。

鼠标双击运行run_mnist.bat，整个训练过程在我电脑下用了10来分钟。训练结果如下

数据训练完成，会在example/mnist文件夹下出现5000次和10000次的模型，accuracy达到0.9891

6、测试模型

在根目录下创建test_mnist.bat，内容如下： .\Build\x64\Release\caffe.exe test -model=examples\mnist\lenet_train_test.prototxt -weights=examples\mnist\lenet_iter_10000.caffemodel -iterations=100 pause注意：这里一定不要因为一行过长，使用回车，不然会报错，Check failure stack trace:

我们可以观测到，精度达到了0.9903

至此：手写体从 原始二进制数据-》格式转换-》训练-》测试 已经完成