然后点击Download 点击下载: 101_ObjectCategories.tar.gz (131Mbytes)如下图1、图2所示
图1
图2
2.将下载的tar.gz文件上传到 caffe/data目录下执行命令：tar -xzvf file.tar.gz 解压缩
caffe数据集的创建需要两个文件: train.txt 和 val.txt, 格式为 图片路径+类别编号
这里用用运行gettxt.py自动生成train.txt和val.txt，gettxt.py的代码如下：
#!/usr/bin/env python # -*- coding:utf-8 -*- import os
root = os.getcwd() #获取当前路径 data = '101_ObjectCategories' #101数据集的文件夹名称 path = os.listdir(root+'/'+ data) #显示该路径下所有文件 path.sort() vp = 0.1 #测试集合取总数据前10% ftr = open('train.txt','w') fva = open('val.txt','w') i = 0 for line in path: subdir = root+'/'+ data +'/'+line childpath = os.listdir(subdir) mid = int(vp*len(childpath)) for child in childpath[:mid]: subpath = data+'/'+line+'/'+child; d = ' %s' %(i) t = subpath + d fva.write(t +'\n') for child in childpath[mid:]: subpath = data+'/'+line+'/'+child; d = ' %s' %(i) t = subpath + d ftr.write(t +'\n') i=i+1
ftr.close() #关闭文件流 fva.close()
3.运行gettxt.py结果如下图3
图3
4.转换成lmdb格式
mkdir calt101net # 在caffe/examples下建立一个新文件夹
将caffe/examples/imagenet下的create_imagenet.sh 复制到calt101net中
vim修改caffe/examples/calt101net下的create_imagenet.sh ，原先里面内容如图4所示，修改完成后如图5所示
图4
图5
运行 ./examples/calt101net/create_imagenet.sh 生成lmdb文件，运行结果如下图6所示
图6
修改calt101net下的make_imagenet_mean.sh 并运行会根据lmdb文件生成一个均值文件
5.把caffe/models/bvlc_reference_caffenet/下的两个文件: solver.protoxt 和 train_val.protoxt[DAG网络]复制到calt101net中进行修改，首先修改examples/MyNet/train_caffenet.sh
然后修改solver.protoxt文件内容
修改train_val.prototxt文件内容,四项内容如下
从0开始训练和微调 ./examples/MyNet/train_caffenet.sh
