融合了差不多10个年龄数据集，得到一个数量40万，1-60岁的数据集。
2、生成imdb文件
（1）使用python脚本，生成文件名和标签文件：train.txt，valid.txt和test.txt文件
（2）修改sh脚本，生成train和valid的imdb文件
3、生成均值文件
使用sh脚本，根据上述imdb文件生成均值文件
4、模型训练
（1）模型文件准备：sovler.prototxt, train_valid.prototxt, deploy.prototxt
模型文件来自：
https://github.com/shicai/MobileNet-Caffe
sovler.prototxt是调用文件，train_valid.prototxt是训练和验证模型结构，deploy.prototxt是测试模型结构。
train_valid.prototxt和deploy.prototxt区别在于，前者添加了输入，并且输出做了一下修改。其他都一样。
train_valid.prototxt文件输入格式修改参照：
https://www.cnblogs.com/denny402/p/5083300.html
另外，输入输出修改，可以参照caffe中的示例model：
.../caffe/models/bvlc_reference_caffenet
输入修改：
name: "CaffeNet"
layer {
之前有用OpenCv的特性提取和SVM、BOW做过按图像里的内容进行分类的相关项目，耗时长，准确率又不是很高，只有百分七十到八十，所以一直想用
caffe
试试。
一、系统环境
二、数据集准备与处理
1.收集数据
2.更改文件名
3.统一图像大小
三、创建相关文件
1.创建数据文件夹
（1）在
caffe
-windows/data路径下创建一个自己存放数据的文件夹，我这里起名为classify，在...
学习
caffe
的最终目的，是可以利用自己的数据集，
训练
模型
，并解决实际问题。
所以在前面跑通了mnist和cifar-10例程的基础上，尝试
训练
自己的
模型
，从头到尾走一遍所有的流程。准备数据、
训练
并得到
模型
，利用
模型
进行分类预测。
一、准备数据
1、在网上找了一些图片，分为五类，编号为0,1,2,3,4，每类
训练
数据50张，测试数据20张。博主将所有的train图片都放在了train
本文为大数据杂谈 4 月 20 日微信社群分享内容整理。
今天的目标是使用
Caffe
完成深度学习
训练
的全过程。
Caffe
是一款十分知名的深度学习框架，由加州大学伯克利分校的贾扬清博士于 2013 年在 Github 上发布。自那时起，
Caffe
在研究界和工业界都受到了极大的关注。
Caffe
的使用比较简单，代码易于扩展，运行速度得到了工业界的认可，同时还有十分成熟的社区。
对于刚开始学习深...
Caffe
简介一般在介绍
Caffe
代码结构的时候，大家都会说
Caffe
主要由Blob Layer Net 和 Solver这几个部分组成。Blob：：：
主要用来表示网络中的数据，包括
训练
数据，网络各层自身的参数(包括权值、偏置以及它们的梯度)，网络之间传递的数据都是通过 Blob 来实现的，同时 Blob 数据也支持在 CPU 与 GPU 上存储，能够在两者之间做同步。Layer：：：
一、准备数据
（此阶段准备自己的数据，讲图片数据放在
caffe
/data目录下）
有条件的同学，可以去imagenet的官网http
:
//www.image-net.org/download-images，下载imagenet图片来
训练
。但是我没有下载，一个原因是注册账号的时候，验证码始终出不来（听说是google网站的验证码，而我是上不了google的）。第二个原因是数据太大了。。。
我去网上找...
#include <Python.h> // NOLINT(build/include_alpha)// Produce deprecation warnings (needs to come before arrayobject.h inclusion).
#define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION#include <boost/make_
step1：将图片数据转化为lmdb格式
caffe
中建议将图片转化为lmdb格式，我们可以利用
caffe
提供的工具中的convert_imageset，这个工具是需要使用open cv，因此在配置
caffe
中需要注意。我使用的OPENCV的2.4。
## Refer to http
:
//
caffe
.berkeleyvision.org/installation.html# Contrib...
