参考自这里

Caffe使用基本流程（以下代码需要修改！）

1. 准备数据
   • 创建train.txt和val.txt.(文件中每一行为数据id, 标签(从0开始)，中间以空格隔开。)

     What the two files do is to tell our Network where to look for each image and its corresponding class.

• 数据转换为LMDB格式。（提高数据读取速度。）

  sudo cp examples/imagenet/create_imagenet.sh examples/DogsCatsKaggle/
  修改之：
  EXAMPLE=examples/DogsCatsKaggle
  DATA=data/DogsCatsKaggle
  TOOLS=build/tools
  
  TRAIN_DATA_ROOT=data/DogsCatsKaggle/train/
  VAL_DATA_ROOT=data/DogsCatsKaggle/train/
  ...
  RESIZE=true
  ...
  GLOG_logtostderr=1 $TOOLS/convert_imageset \
  ...
      $EXAMPLE/dogscatskaggle_train_lmdb
  
  echo "Creating val lmdb..."
  
  GLOG_logtostderr=1 $TOOLS/convert_imageset \
  
  ...
      $DATA/val.txt \
      $EXAMPLE/dogscatskaggle_val_lmdb
  
  echo "Done."
  执行：
  ./examples/DogsCatsKaggle/create_imagenet.sh
  

• 计算数据的均值。

  sudo cp examples/imagenet/make_imagenet_mean.sh examples/DogsCatsKaggle/
  修改之：
  EXAMPLE=examples/DogsCatsKaggle
  DATA=data/DogsCatsKaggle
  TOOLS=build/tools
  
  $TOOLS/compute_image_mean $EXAMPLE/dogscatskaggle_train_lmdb \
    $DATA/dogscatskaggle_mean.binaryproto
  执行：
     ./examples/DogsCatsKaggle/make_imagenet_mean.sh
  

1. 定义模型

创建solver.prototxt(优化器配置文件)和train_val.prototxt（模型结构配置文件）。

1. 训练模型

    ./build/tools/caffe train --solver=models/dogscatskaggle_alexnet/solver.prototxt
   

公司要求用的caffe，太难用了，没有tensorflow,pytorch等方便。