怎样使用caffe测试mnist数据集

想要入门深度学习没有几个趁手的兵器是不行的，目前流行的框架Tensorflow、PyTorch、caffe等，笔者也是最近接触了caffe，发现caffe非常适合初学者入门深度学习。不必像tensorflow那样，先学习python，然后在学习tf,这个过程感觉像在重新学习一门语言。caffe是c++编写的，所以从GitHub上下载下来后需要你自己编译，令人高兴的是caffe也支持windows,你去github上下载微软发布的caffe用vs2013编译即可成功，它也区分cpu版本与gpu版本，如何编译安装的百度上教程基本可用，笔者在windows跟ubuntu都编译成功了。入门的童鞋基本上接触的第一个教程就是mnist识别手写数字，caffe无疑可以让你最快的搭建整个网络并跑通。

这里假设你已经安装好caffe。caffe给我们配备了很多个例子，安装好的caffe中，在example文件夹下，有很多现成的网络，以mnist为例。首先，我们需要下mnist数据集，在进入到data文件夹下，有个获取数据的脚本 caffe/data/mnist/get_mnist.sh，执行完成后会得到下面几个文件，通过名字判断可知道分别是测试集与训练集的样本与标签。

进入到caffe/examples/mnist 文件夹下，执行./create_mnist.sh 脚本，如果你的caffe没有编译，可能会提示错误convert_mnist_data.bin: not found。 重新编译一下caffe即可。脚本执行成功后你会得到两个文件夹

Lmdb是一种数据库，查询和插入非常高效，caffe使用lmdb作为数据源，同时caffe也支持hdf5文件。

Caffe搭建网络是基于prototxt文件，超参数也在里面配置。所以只需要根据自己的需求配置网络与超参数prototxt文件，就可以了。在mnist目录下，有以下几个文件:

找到 文件caffe/examples/mnist/lenet_train_test.prototxt 这个文件是训练用的文件,想要自定义网络就可以这个文件配置网络。

简单粗暴的配置，相信你很容易看懂，配置数据源，定义layer类型。

你还需要caffe/examples/mnist/lenet_sover.prototxt文件。lenet_solver文件是用来配置超参数，打开这个文件

框选出来的是几个重要的配置，首先定义网络文件位置，配置测试集迭代次数，定义学习率。以及最大迭代次数，文件末尾也可以自由的定义使用GPU或者CPU，snapshot_prefix指的是快照生成的路径，这里要配置好。另外建议，数据源最好配置上绝对路径，这样的话在任何目录下都可以执行下面命令。

找到tools文件夹下的caffe，配置solver路径后，即可运行。

有的童鞋可能用我的命令执行不通过，你只需要查看三个路径是否配置正确，一个是solver文件中的 net 路径，跟快照路径，网络文件中的数据源路径。还需要注意的是你在什么路径下执行 train命令。

如果出现上面的界面恭喜你，你已经成功。