1.數據集的下載與轉換

1）我們在mnist數據集上做測試，MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burge在這里下載這四個文件：

2）然后解壓生成了以下四個文件：

3）數據格式轉換

新建一個文本文檔，更改后綴為 .bat? 在里面復制以下code：?

..\..\Build\x64\Release\convert_mnist_data.exe ?..\..\data\mnist\train-images.idx3-ubyte?..\..\data\mnist\train-labels.idx1-ubyte?..\..\examples\mnist\mnist_train_lmdb??

echo.??

..\..\Build\x64\Release\convert_mnist_data.exe ?..\..\data\mnist\t10k-images.idx3-ubyte??..\..\data\mnist\t10k-labels.idx1-ubyte?..\..\examples\mnist\mnist_test_lmdb?

pause ?

其實第一個路徑就是 exe文件所在路徑， 后面兩個就是數據所在路徑，最后一個是輸出文件路徑

例如：

F:\caffe-master\caffe-master\Build\x64\Release\convert_mnist_data.exe E:\caffetest\mnist\mnist\train-images.idx3-ubyte E:\caffetest\mnist\mnist\train-labels.idx1-ubyte E:\caffetest\mnist\mnist\mnist_train_lmdb

echo.

F:\caffe-master\caffe-master\Build\x64\Release\convert_mnist_data.exe E:\caffetest\mnist\mnist\t10k-images.idx3-ubyte E:\caffetest\mnist\mnist\t10k-labels.idx1-ubyte E:\caffetest\mnist\mnist\mnist_test_lmdb

pause

保存后，雙擊運行，生成了兩個文件夾：mnist_train_lmdb和mnist_test_lmdb

?2.打開lenet_train_test.prototxt

然后打開lenet_solver.prototxt,修改第二行即可，

可以將prototxt文件放在以下的網址，查看網絡的結構：http://ethereon.github.io/netscope/#/editor

3.使用caffe.exe 訓練網絡

利用命令行cd到caffe.exe的工作目錄，輸入以下的命令：

caffe train -solver=lenet_solver.prototxt -gpu 0

可以得到以下的訓練結果：

4.使用Python調用caffe

環境：python+Anaconda；同時將編譯生成的python文件夾放在..\anaconda2\Lib\site-packages中。

import caffe caffe.set_mode_gpu() solver = caffe.SGDSolver('lenet_solver.prototxt') solver.solve()

運行代碼可以得到以下的結果：

?

轉載于:https://www.cnblogs.com/youngsea/p/9430875.html

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的[caffe(一)]使用caffe训练mnist数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。