学习知识的一种方式是先会用然后再问为什么。

在安装完成caffe，根据caffe的提示下载完mnist训练测试数据，并且运行lenet训练模型之后，摆在眼前的问题就是我怎么用caffe训练自己的数据啊，mnist的数据通过脚本就可以下载创建成lmdb，我要训练自己的数据集该怎么做？

用caffe训练自己的数据，必须解决的问题有两个：1.如何输入数据， 2.如何定义输出

首先我们解决第一个问题：训练数据的输入，这里我们之介绍使用lmdb的方式

查看lenet的train_val.prototxt，数据的输入是通过data layer中的source参数指定的，并且输入数据的格式指定为lmdb，如果我们能够把我们的数据转换成lmdb，就可以作为输入数据，通过修改source的路径输入到网络中进行训练。在caffe目录下 的create_imagenet.sh脚本提供了一个将我们自己的数据转换成lmdb格式的模板，我们可以通过修改create_imagenet.sh脚本的方式生成自己的数据，需要修改的地方包括：输出文件的路径EXAMPLE，我们自己的数据存储路径DATA，我们的训练数据所在的路径TRAIN_DATA_ROOT和测试数据所在的路径TEST_DATA_ROOT，输出的lmdb数据的全名，如果需要对图片进行resize的话，需要将RESIZE设置为true，然后再设置RESIZE的HEIGHT和WIDTH。做了这些离生成自己的lmdb数据还差一步，在脚本中还有train.txt和val.txt，这两个文本是做什么的？train.txt和val.txt是对数据的描述，给出了每一个数据的类别，并且数据的类别最好从0开始，我们在生成lmdb之前，需要为我们自己的数据生成这两个文件，和我们的训练数据放置在同一个目录下，然后就可以运行脚本生成我们自己的训练数据。

在生成自己的lmdb数据之后，就可以修改train_val.prototxt，将自己的数据输入到网络中。

输入我们自己的数据之后，还有一个问题，就是我们数据的输出怎么办，假如我们的数据有10个类别，我在哪里输入到模型中？输出的定义查看LOSS层或者Accuracy层的上一层，修改盖层的num_output就可以了

然后就可以开始训练了，在进行训练时需要知道训练的参数在solver.prototxt和train_val.prototxt中都有定义，batch_size定义了每次取多少个数据进行训练或者测试，max_iter定义最大的迭代次数，test_iter定义了测试的次数，为了保证所有的数据都被测试test_iter和测试batch_size的乘积需要大于等于测试数据的总数。

caffe的学习和使用·一」--使用caffe训练自己的数据