看了很多大牛的文章，淌过了好多好多坑。

终于完整走过了一个流程。

这里就不写我参考的文章了，零零碎碎很多，我也记不清了。

我这里分两部分，第一部分配置caffe，第二部分使用mnist

尽量用了最简单的方式直接出结果

涉及到配置使用的部分我就直接来干货，不写一堆中间过程和解释了

我这里安装在用户主目录下（/home/用户名/caffe）

第一部分  配置caffe

Ubuntu18.04（话说这个新发的版本不错）

opencv3（所以编译的前的配置需要修改）

python2.7（想弄3来着，倒腾好久，失败了，放弃了）

简单点，就四个步骤，顺序搞下来就成

1)安装

用户主目录下运行：

sh caffeCfg.sh

这个sh文件手动写的，内容：

sudo   apt-get install libprotobuf-dev   sudo   apt-get install libleveldb-dev   sudo   apt-get install libsnappy-dev   sudo   apt-get install libopencv-dev   sudo   apt-get install libhdf5-serial-dev   sudo   apt-get install protobuf-compiler  sudo   apt-get install --no-install-recommends libboost-all-dev  sudo apt-get install libatlas-base-devsudo apt-get install python-dev  sudo apt-get install libgflags-dev  sudo apt-get install libgoogle-glog-dev   sudo apt-get install liblmdb-devcd ~sudo apt-get install git git clone https://github.com/BVLC/caffe.gitcd caffe/pythonsudo apt-get install python-pipfor req in $(cat requirements.txt); do pip install $req; done  sudo apt-get install python-numpysudo pip install opencv-python

2)配置Caffe编译参数

caffe目录下:

cp Makefile.config.example Makefile.config

Makefile.config文件进行以下修改：

去掉CPU_ONLY := 1前面的注释 去掉OPENCV_VERSION := 3前面的注释  修改:  INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /usr/include/hdf5/serial    LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial  

3)编译Caffe

make pycaffe make all   make test  make runtest   （需要重新编译就 make clean）

4)配置Python接口

sudo echo export PYTHONPATH="~/caffe/python" >> ~/.bashrc   source ~/.bashrc   进入python环境，输入： import caffe   如果没有报错，安装成功。

第二部分  使用mnist

6个步骤，前面五个是数据准备与训练，最后一个是调用

这里插一句：

这部分用的不是原始图像数据，是mnist例子里的东西。

我另外收集了些资料，打包整理了一套完整流程，使用图像数据，进行转换格式、训练以及调用。

caffe mnist数据源+完整训练+调用代码：

https://download.csdn.net/download/jiyanglin/10403784

1）下载数据

caffe/data/mnist目录下执行　　

sh get_mnist.sh　

2）数据转换

caffe目录下执行

sudo sh ./examples/mnist/create_mnist.sh

　　　　 3)配置训练数据

caffe/examples/mnist/下新建文件夹model

修改caffe/examples/mnist/下lenet_solver.prototxt 文件：

snapshot_prefix字段修改：snapshot_prefix: "examples/mnist/model/lenet"

solver_mode:GPU  默认GPU,修改为CPU

4）开始训练

caffe目录下：

sudo sh ./examples/mnist/train_lenet.sh 

5）测试

caffe目录下：

sudo ./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model/lenet_iter_10000.caffemodel 

6）代码调用

在caffe目录下运行这个python代码文件

caffe/examples/mnist/  两个文件夹：mnist_train_lmdb, and mnist_test_lmdb

如果有访问权限，搞掉。不然运行会报错。

记得图像必须是28*28单通道，白底黑字。（因为训练时候用的就是这种图像）

调用函数的代码这样（目录得写全路径）：

img = "/home/jyl/0.png"proto = "/home/jyl/caffe/examples/mnist/lenet.prototxt"model = "/home/jyl/caffe/examples/mnist/model/lenet_iter_10000.caffemodel"

test(img,proto,model)

代码如下： import caffe import numpy as np import cv2 def test(img,proto,model):     net = caffe.Net(proto, model, caffe.TEST)     print net.blobs['data'].data.shape     transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})     transformer.set_transpose('data', (2, 0, 1))     transformer.set_raw_scale('data', 255)     im = caffe.io.load_image(img, False)     cv2.imshow("imgshow", im)     cv2.waitKey(0)     net.blobs['data'].data[...] = transformer.preprocess('data', im)     print net.blobs['data'].data     out = net.forward()     print out     prob = net.blobs['prob'].data[0].flatten()     print prob     order = prob.argsort()[-1]     print 'pic num:', order

img = "/home/jyl/0.png"proto = "/home/jyl/caffe/examples/mnist/lenet.prototxt"model = "/home/jyl/caffe/examples/mnist/model/lenet_iter_10000.caffemodel"test(img,proto,model

caffe mnist数据源+完整训练+调用代码