本文主要是在Windows平台下配置caffe后，记录自己训练第一个模型的全部过程。
首先，我们要做的工作是： 1、自己收集好训练集和测试集样本图并定义好类标 2、将上面得到的两类图像“归一化”，转化成能被caffe操作的数据 3、操作得到新数据的均值（即得到mean.binaryproto文件） 4、利用均值来进行训练和测试（即编写 'train_val.prototxt' 文件） 5、为训练文件设置参数（即编写 'solver.prototxt' 文件） 6、运行train.sh文件，使整个模型运作并得出accuracy结果 以上6个步骤过程很多博客都有详细记录，我的参阅，但是自己操作过程中遇到很多问题，问题和解决方法记录如下： 一、关于上面第一步文件重命名问题 在给下载好的图片批量重命名时，rename.bat文件最后几行的编写： 因为只要文件名中含有空格，文件就无法正常运行。 二、第二步图片样本的归一化 将 examples->imagenet 中的create_imagenet.sh复制到自己Demo目录下后，重新编写。 尽量都用绝对路径，以后直接复制过去后便更容易修改。（例：DATA=E:/Program_Files/Caffe......） 定义的两个常量TRAIN_DATA_ROOT和VAL_DATA_ROOT的路径最后一级目录train或val文件中必须只包含要训练或测试所用的样本图片，不能有其他任何形式的文件存在，不然会报错。 三、求样本图像的均值 将 examples->imagenet 中的make_imagenet_mean.sh复制到自己Demo目录下后，重新编写。 这里要加上 ' -backend=lmdb' 标示图像存储方式是lmdb。 还有一点要说明：两个相同的路径名不能用不同的常量来表示，我后期忽略了这点，导致调了很久。 （这么愚蠢的说明竟然还要提。。 因为没人能体会学渣入门之难堪比上青天的痛苦ＴＴ） 三、利用均值文件进行训练和测试 将 examples->imagenet 中相应的solver.prototxt和train_val.prototxt和train_imagenet.sh复制过来，相应路径都改一下。 最后修改一下solver.prototxt文件的参数，测试图片10张，所以test-iter设置小一点，后面大约自己看着办。 最后的结果还在跑，听说这个过程很慢。 原来真的很慢。
