本文是学习Caffe官方文档"ImageNet Tutorial"时做的，同样由于是Windows版本的原因，很多shell脚本不能直接使用，走了不少弯路，但是收获也不少。比如：如何让shell脚本在Windows系统上直接运行、如何去用Caffe给图像resize来统一大小，如何去构建train.txt和val.txt等等。具体流程均记录如下。

正文：

1.准备数据

我从网上下载了两类图片，一类为猫，一类为鸟，分别存在名为bird和cat的文件夹里，每类60张（50张做为训练集，10张做为测试集）。【分开存放，在做train.txt时，方便打标签。等做完标签再将100张训练图片一起放在新建的train文件下里，下面会详述。】

猫：（已经过批量重命名。ps：我选图还是比较讲究的，不好看的、不清楚的、不奇怪的我不选，哈哈）

鸟：（已经过批量重命名）

2.构建train.txt和val.txt

首先是重命名图片，从搜索引擎下载下来的图片的名称都是则乱无章，我们需要用批量重命名的方法去先给它们命名。

批量重命名可以通过一个bat文件实现，代码如下：

修改其中的“bird”位置，运行。比如，我将“bird”改为“Cat”，运行bat文件，效果如下：

可以看到图片名字被统一的修改了，并且生成了一个list文件夹，通过txt文件的查找-替换，给每个文件打上标签（比如Cat为0，Bird为1），截图如下:

下面的工作自己做就行了，将cat和bird的txt文档，合在一起，组成train.txt。同理，完成val.txt。我的train.txt和val.txt的截图如下（我标签用了1和2）：

3.数据处理

数据处理要进行三项：1.将图片统一转化成256X256大小。2.将数据转化为LEVELDB格式。3.求数据均值。

看了一些博客，在将图片统一转化成256大小这儿曲线救国，想了很多方法。其实第1步和第2步可以一起完成，只要调用examples\imagenet\create_imagenet.sh就可以一起完成。但是shell脚本在Windows下如何运行呢？是可以的，只需要安装Git即可在Windows环境下运行shell脚本！Git下载链接：https://git-scm.com/downloads/

根据具体情况，对create_imagenet.sh，做一些修改（需要修改处均用红色方框标出，五角星处即是caffe自带的resize图片的地方，一定要设为true）：

打开git，运行create_imagenet.sh即可，查看文件夹，出现imagenet_train_leveldb和imagene_val_leveldb：

接下来是进行第三步，求图像均值了。在进行这一步时，我使用\examples\imagenet\make_imagenet_mean.sh时，是成功求得了均值文件imagenet_mean.binaryproto，但在之后训练时，一直报错，提示均值文件无法读取。故还是换用了compute_image_mean.exe，来求得均值文件，具体步骤，之前的文章已经记录了，不再赘述。

再从\models\bvlc_reference_caffenet中，将train_val.prototxt和solver.prototxt复制过来，这样所有文件都准备齐全了：

4.配置训练所需文件

首先，根据具体情况修改，train_val.prototxt：

修改solver.prototxt：

关于solver里面的参数，我认为应该根据具体情况就修改就好了，这一部分我还不是很熟悉，慢慢积累吧。

5.进行训练

写一个bat文件，进行训练即可！bat文件代码如下：

6.训练结果

因为我的电脑配置很低很低。。所以训练起来很慢，我调小了很多参数，训练了两天还是没训完。。。贴一张训练中的截图吧：

 

7.总结

这次主要是为了自己感受一下用Windows Caffe训练自己数据的整个过程，也没有去追求准确率，也没有考虑去跟踪训练过程去调参等等。这些经验方面的知识，接下来慢慢继续积累吧。经过这次学习，起码能把整个过程跑下来了，收获很多。