分类：版权声明：本文为博主原创文章，未经博主允许不得转载。
搭建好caffe环境后，就需要用自己的图片进行分类预测，主要步骤如下，主要参照http://www.cnblogs.com/denny402/p/5083300.html，感谢博主：
1、数据准备，下载待训练的图片集，共5类400张，测试集100张，目录分别为data
e rain，data
eval，新建test.txt、val.txt。
2、转换数据为lmdb，复制create_imagenet.sh文件，修改参数为
3、计算均值文件，复制make_imagenet_mean.sh文件，修改参数为
4、制作网络模型，caffe中提供了很多成熟的模型，我们先直接拿过来用，主要用bvlc_reference_caffenet下的模型，复制.modelsvlc_reference_caffenet目录下的deploy.prototxt、solver.prototxt、train_val.prototxt三个文件，首先打开train_val.prototxt文件，修改mean、train_lmdb、val_lmdb文件路径，然后修改全连接层fc8的输出num，即分类数， 
同样打开deploy.prototxt文件，修改num_output为5（5个类别），然后打开solver.prototxt，修改如下，具体参数意义在此不做说明
5、开始训练模型，新建.sh文件，输入
set -e
.D:/caffe/caffe-windows/Build/x64/Release/caffe train
–solver=D:/caffe/caffe-windows/data/re/solver.prototxt $@
pause
cpu情况下需要训练好几个小时。
6、查看训练结果，待训练完成后，会在相应的路径下生成.caffemodel文件，即我们训练的模型，新建.sh文件，输入
D:caffecaffe-windowsBuildx64Releasecaffe.exe test –model=D:caffecaffe-windowsdata
e rain_val.prototxt –weights=D:caffecaffe-windowsdata
ecaffenet_train_iter_2000.caffemodel
pause
可以查看模型的训练结果，模型准确度比较低，说明网络模型没有设计好，这里只讲流程，网络模型需要进一步的研究
7、分类预测，模型训练完成后，就可以输入图片进行分类预测，在根目录下新建.sh文件，输入
Buildx64Releaseclassification.exe data
edeploy.prototxt data
ecaffenet_train_iter_2000.caffemodel data
eimagenet_mean.binaryproto data
e est.txt data
eval401.jpg
pause
主要有6个参数，第一个是Release下生成的classification.exe文件，第二个是预测文件，deploy.prototxt相对于train_val.prototxt少了data层，第三个是生成的网络模型，第四个是均值文件，第五个是类别文件，第六个是待预测分类的图片 
识别率不是很高，需要进一步优化网络模型。