CIFAR-10模型参数训练技巧

Caffe平台包含有若干工具可以用于训练CIFAR-10模型，具体的训练过程是：

①图片数据集准备。掌握模型训练方法可以直接使用CIFAR-10数据集，如果使用自行收集货准备的数据集，则要把图像进行分割处理，灰度化并归一化至32×64大小。

②建立训练数据文件目录。在./caffe/data/目录下建立自己的数据文件目录mycifar，并且在此目录下建立train文件夹和test文件夹。train文件夹用于存放训练样本，test文件夹用于存放测试样本。然后，将处理好的训练样本图片放在./caffe/data/mycifar/train/这个文件夹下面，测试样本放在./caffe/data/mycifar/test/这个文件夹下面。

③编写训练和测试文本train.txt和test.txt文本。train.txt文件用于存放带训练图片路径的文件名（如，./caffe/data/mycifar/train/）和类别标签，一行一张图片。

test.txt文件用于存放带测试样本图片路径的文件名（如，./caffe/data/mycifar/test/）和类别标签，一行代表一张图片。

④将图片数据转换为LEVELDB格式的数据。利用Caffe平台convert_imageset工具进行。在根目录下写一个批处理bat文件，命名为converttrain2ldb.bat，用于在将训练集中的数据格式转换为leveldb格式。运行convert_imageset后，在data/mycifar/下生成mtrainldb文件夹，完成数据格式的转换。(www.xing528.com)

⑤计算图像的均值。利用Caffe平台compute_image_mean工具进行。在根目录下写一个批处理bat文件，命名为computeMean.bat，用于计算图像的均值，生成均值文件。

⑥创建网络模型。在./data/mycifar下建立文件夹train-val，将./examples/cifar10/文件夹下的cifar10_quick_train_test.prototxt网络模型配置文件copy至该文件夹下面。

⑦编写超参数配置文件。同样的，将cifar10_quick_solver.prototxt超参数配置文件copy至./data/mine/train-val下，修改文件中的迭代次数、权值学习率、输出格式等参数。

⑧编写训练脚本。在根目录下新建批处理bat文件，命名为trainMine_useCifar10.bat，在脚本中启动训练过程，利用caffe工具开始训练。训练完成后，会在指定目录下生成训练模型。

⑨验证测试集。在根目录下编写批处理bat文件，命名为testMine_useCifar10.bat，对测试集中的数据进行测试，输出测试结果。