(3)caffe学习之微调预训练的模型训练自己的数据集

打开train_val.prototxt文件，修改name,输出类别数，两个lr_mult均扩大十倍，因为我们主要训练最后一层

layer {
  name: "fc8_15"
  type: "InnerProduct"
  bottom: "fc7"
  top: "fc8_15"
  param {
    lr_mult: 10
    decay_mult: 1
  }
  param {
    lr_mult: 20 
    decay_mult: 0
  }
  inner_product_param {
    num_output: 15
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "fc8_15"
  bottom: "label"
  top: "accuracy"
  include {
    phase: TEST
  }
}
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "fc8_15"
  bottom: "label"
  top: "loss"
}

然后下载预训练的模型bvlc_reference_caffenet.caffemodel放入自己设置的文件夹下，在终端运行：

cd caffe  #进入caffe根目录

./build/tools/caffe train --solver=/home/qf/git/myfile/bvlc_reference_caffenet/solver.prototxt  --weights=./models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel

即可！！！！

若直接在终端测试网络，可直接运行：

./build/tools/caffe test --solver=/home/qf/git/myfile/bvlc_reference_caffenet/solver.prototxt  --weights=/home/qf/git/myfile/bvlc_reference_caffenet/my_bvlc_reference_caffenet.caffemodel

～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～

以下为个人理解：

题外话1：如训练网络时不想将txt文件转换为lmdb文件也是可以的，在train_val.prototxt文件中前两层的输入类型由Data改为ImageData,同时将输入的train_lmdb和val_lmdb换成txt文件。

题外话2：我们训练时使用的train_val.prototxt文件前两部分是TRAIN 和TEST，如果我们的train 和val数据集图像不重合，则在训练过程中已经进行了分类测试。一般情况下验证集图像是训练集图像的一部分，这时，在使用测试集测试时，可以在train_val.prototxt文件中加一层，然后训练和测试时改一下solver.prototxt 就好了。