使用Caffe训练适合自己样本集的AlexNet网络模型，并对其进行分类
　　1.在开始之前，先简单回顾一下几个概念。
　　2.Caffe的安装可参考一下博客：
　 3.安装过程出现的问题，以及解决方法，可参考：
　　4.下面具体介绍基于Window训练自己的模型，并进行分类

Caffe（Convolution Architecture For Feature Extraction-卷积神经网络框架）：是一个清晰，可读性高，快速的深度学习框架。

CUDA（Compute Unifined Device Architecture-计算统一设备框架）：是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。

CuDNN（ CUDA Deep Neural Network library）：是NVIDIA专门针对深度神经网络设计的一套GPU计算加速库，被广泛用于各种深度学习框架，例如Caffe, TensorFlow, Theano, Torch, CNTK等。

　　2.Caffe的安装可参考一下博客：

http://www.cnblogs.com/hust-yingjie/p/6525584.html

http://blog.csdn.net/zb1165048017/article/details/51549105

http://blog.csdn.net/zb1165048017/article/details/51355143

　 3.安装过程出现的问题，以及解决方法，可参考：

http://www.cnblogs.com/hust-yingjie/p/6515213.html

Caffe.sln中的16个工程编译成功，会生成12个.exe，如下图所示：

　　4.下面具体介绍基于Window训练自己的模型，并进行分类

4.1 第一步：制作Label标签文件，并利用convert_imageset.exe将图片转换为Caffe的数据格式LEVELDB格式或者lmdb格式。

训练样本的标签文件TrainLabel.txt如下图所示：

测试样本的标签文件TestLabel.txt如下图所示：

此时需重新生成一下convert_imageset.exe文件，具体见http://www.cnblogs.com/hust-yingjie/p/6526419.html

可根据实际情况执行convert_imageset.exe文件，其参数信息可打开convert_imageset.cpp查看，下面是我执行其的批处理文件，测试样本集类似：

SET GLOG_logtostderr=1
E:CaffeGPUcaffe-mastercaffe-masterBuildx64Releaseconvert_imageset.exe --backend=leveldb --resize_width=32 --resize_height=32 E:MyCaffe E:MyCaffeTrainSetTrainLabel.txt E:MyCaffeTrainleveldb
pause

正确执行后，你会看到如下界面：

执行上述过程，可能出现以下两种情况，如下图所示：

上面两种错误，都是由于路径错误导致，所以这里一定要注意。还有一种错误，解决比较简单，见下图：

成功后，会生成一个Trainleveldb文件夹，里面有如下内容：

4.2 第二步：基于LEVELDB文件利用compute_image_mean.exe获取均值文件Mean.binaryproto

可参考以下批处理文件执行compute_image_mean.exe，具体如下：

SET GLOG_logtostderr=1
E:CaffeGPUcaffe-mastercaffe-masterBuildx64Releaseconvert_imageset.exe --backend=leveldb --resize_width=256 --resize_height=256 E:MyCaffe E:MyCaffeTrainSetTrainLabel.txt E:MyCaffeTrainleveldb
pause

正确执行后的效果如下图所示：