caffe-windows之手写体数字识别例程mnist

caffe-windows之手写体数字识别例程mnist

一、训练测试网络模型

1.准备数据

Caffe不是直接处理原始数据的，而是由预处理程序将原始数据变换存储为LMDB格式，这种方式可以保持较高的IO效率，加快训练时的数据加载速度。模型通常用ProtoBuffer文本格式表述，训练结果保存为ProtoBuffer二进制文件或是HDF5格式文件。

1. 下载数据至数据文件夹D:Ammycaffecaffe-masterdatamnist

2. 编写数据转换脚本，将原始数据转换成lmdb数据格式，包括训练数据转换脚本create_minist_trainlmdb.bat和测试数据转换脚本create_minist_testlmdb.bat，保存至数据文件夹，脚本内容具体如下，也可以直接在命令行窗口(cmd打开)直接运行。

    <-----脚本格式解析：数据转换运行程序+' '+图像数据+' '+标签数据+' '+保存路径----- >
   
    <-----create_minist_trainlmdb.bat----->		
    D:Ammycaffecaffe-masterBuildx64Releaseconvert_mnist_data.exe ./train-images.idx3-ubyte ./train-labels.idx1-ubyte ....examplesmnistmnist_train_lmdb
    pause
   
    <-----create_minist_testlmdb.bat----->	
    D:Ammycaffecaffe-masterBuildx64Releaseconvert_mnist_data.exe ./t10k-images.idx3-ubyte ./t10k-labels.idx1-ubyte ....examplesmnistmnist_test_lmdb
    pause
   

3. 双击运行脚本生成lmdb格式数据，examplesmnist文件夹中会出现mnist_test_lmdb和mnist_train_lmdb两个文件夹，每个文件夹中都有data.mdb和lock.mdb两个文件；

2. 训练模型

打开命令行窗口，进入caffe的根目录下..caffe-master，运行命令Buildx64Releasecaffe.exe train -solver examplesmnistlenet_solver.prototxt

运行开始之后，程序进行反复迭代，在迭代10000次之后停止，然后进行测试，显示结果准确率为99.04%，在examplesmnist文件下新出现了4个新文件：后缀caffemodel的文件是模型权值文件和后缀为solverstate的文件为模型训练快照文件，有了快照下次就可以从快照保存的训练点开始训练，当训练过程因为某些以外原因中断的时候，快照就非常重要了。

在命令行窗口中的打印结果的部分解读如下，具体可看《深度学习21天》:

D:Ammycaffecaffe-master>Buildx64Releasecaffe.exe train -solver examplesmnistlenet_solver.prototxt

//输出格式：日期  时间  进程号  源码文件：代码行号] 输出信息
I0225 11:39:19.423166  8404 caffe.cpp:211] Use CPU.
I0225 11:39:19.427173  8404 solver.cpp:48] 

//打印解析后的训练超参数文件examplesmnistlenet_solver.prototxt
Initializing solver from parameters:
test_iter: 100
test_interval: 500
base_lr: 0.01
display: 100
...

I0225 11:39:19.430171  8404 solver.cpp:91] Creating training net from net file: examples/mnist/lenet_train_test.prototxt //创建训练网络
I0225 11:39:19.434173  8404 net.cpp:332] The NetState phase (0) differed from the phase (1) specified by a rule in layer mnist
I0225 11:39:19.435174  8404 net.cpp:332] The NetState phase (0) differed from the phase (1) specified by a rule in layer accuracy
I0225 11:39:19.437175  8404 net.cpp:58] 

//打印网络配置文件examples/mnist/lenet_train_test.prototxt

Initializing net from parameters:
name: "LeNet"
state {
  phase: TRAIN
  level: 0
  stage: ""
...

//搭建训练网络
//Mnist层
I0225 11:39:19.460191  8404 net.cpp:100] Creating Layer mnist
//产生两个输出，data为图片数据，label为标签数据
I0225 11:39:19.463192  8404 net.cpp:418] mnist -> data
I0225 11:39:19.464193  8404 net.cpp:418] mnist -> label
//打开训练集lmdb
I0225 11:39:19.464193  4988 db_lmdb.cpp:40] Opened lmdb examples/mnist/mnist_train_lmdb
//data为四维数组，尺寸为(64,1,28,28)
I0225 11:39:19.466195  8404 data_layer.cpp:41] output data size: 64,1,28,28
I0225 11:39:19.469195  8404 net.cpp:150] Setting up mnist
I0225 11:39:19.470197  8404 net.cpp:157] Top shape: 64 1 28 28 (50176)
I0225 11:39:19.471197  8404 net.cpp:157] Top shape: 64 (64)
//统计内存占用情况，会逐层累计
I0225 11:39:19.473199  8404 net.cpp:165] Memory required for data: 200960
//下面继续搭建其他层，过程类似，不介绍
...

//搭建loss层
I0225 11:39:19.567260  8404 net.cpp:100] Creating Layer loss
//需要两个输入，ip2和label，产生一个输出loss
I0225 11:39:19.569265  8404 net.cpp:444] loss <- ip2
I0225 11:39:19.570264  8404 net.cpp:444] loss <- label
I0225 11:39:19.572265  8404 net.cpp:418] loss -> loss
I0225 11:39:19.573266  8404 layer_factory.hpp:77] Creating layer loss
I0225 11:39:19.575266  8404 net.cpp:150] Setting up loss
//loss层的输出结果尺寸为1，loss weight 参数为1
I0225 11:39:19.577268  8404 net.cpp:157] Top shape: (1)
I0225 11:39:19.579272  8404 net.cpp:160]     with loss weight 1
//统计内存占用情况
I0225 11:39:19.580272  8404 net.cpp:165] Memory required for data: 5169924
//从后往前统计哪些层需要做反向传播计算
I0225 11:39:19.581271  8404 net.cpp:226] loss needs backward computation.
I0225 11:39:19.583272  8404 net.cpp:226] ip2 needs backward computation.
I0225 11:39:19.584272  8404 net.cpp:226] relu1 needs backward computation.
I0225 11:39:19.586272  8404 net.cpp:226] ip1 needs backward computation.
I0225 11:39:19.587275  8404 net.cpp:226] pool2 needs backward computation.
I0225 11:39:19.589275  8404 net.cpp:226] conv2 needs backward computation.
I0225 11:39:19.590276  8404 net.cpp:226] pool1 needs backward computation.
I0225 11:39:19.592278  8404 net.cpp:226] conv1 needs backward computation.
I0225 11:39:19.594278  8404 net.cpp:228] mnist does not need backward computation.
I0225 11:39:19.596282  8404 net.cpp:270] This network produces output loss
//网络搭建完毕
I0225 11:39:19.597280  8404 net.cpp:283] Network initialization done.

//搭建测试网络
...

//开始训练模型
I0225 11:39:19.798415  8404 solver.cpp:60] Solver scaffolding done.
I0225 11:39:19.799417  8404 caffe.cpp:252] Starting Optimization
I0225 11:39:19.800420  8404 solver.cpp:279] Solving LeNet
I0225 11:39:19.802418  8404 solver.cpp:280] Learning Rate Policy: inv

//测试一次，得到初始分类准确率和损失值，测试结果准确率=0.117，损失值=2.32442
I0225 11:39:19.805423  8404 solver.cpp:337] Iteration 0, Testing net (#0)
I0225 11:39:28.822401  8404 solver.cpp:404]     Test net output #0: accuracy = 0.117
I0225 11:39:28.823400  8404 solver.cpp:404]     Test net output #1: loss = 2.32442 (* 1 = 2.32442 loss)

//开始跌打训练网络，训练时只有loss输出，没有accuracy输出，loss值在不断减少
I0225 11:39:28.972501  8404 solver.cpp:228] Iteration 0, loss = 2.34114
I0225 11:39:28.973502  8404 solver.cpp:244]     Train net output #0: loss = 2.34114 (* 1 = 2.34114 loss)
I0225 11:39:28.974503  8404 sgd_solver.cpp:106] Iteration 0, lr = 0.01
I0225 11:39:43.212946  8404 solver.cpp:228] Iteration 100, loss = 0.192031
I0225 11:39:43.213948  8404 solver.cpp:244]     Train net output #0: loss = 0.192031 (* 1 = 0.192031 loss)
I0225 11:39:43.214948  8404 sgd_solver.cpp:106] Iteration 100, lr = 0.00992565
...
//solver.prototxt设置test_interval:500，所以每迭代训练500次，做一次测试，此时网络的准确率已经达到97。15%
I0225 11:40:26.279086  8404 solver.cpp:228] Iteration 400, loss = 0.103655
I0225 11:40:26.279086  8404 solver.cpp:244]     Train net output #0: loss = 0.103655 (* 1 = 0.103655 loss)
I0225 11:40:26.280086  8404 sgd_solver.cpp:106] Iteration 400, lr = 0.00971013
I0225 11:40:40.106259  8404 solver.cpp:337] Iteration 500, Testing net (#0)
I0225 11:40:49.391418  8404 solver.cpp:404]     Test net output #0: accuracy = 0.9715
I0225 11:40:49.392419  8404 solver.cpp:404]     Test net output #1: loss = 0.0906553 (* 1 = 0.0906553 loss)
I0225 11:40:49.535516  8404 solver.cpp:228] Iteration 500, loss = 0.140814
I0225 11:40:49.535516  8404 solver.cpp:244]     Train net output #0: loss = 0.140814 (* 1 = 0.140814 loss)
...

//solver.prototxt设置snapshot:5000，所以没迭代5000次保存一次网络训练快照solverstate和模型参数caffemodel。
I0225 11:53:34.589983  8404 sgd_solver.cpp:106] Iteration 4900, lr = 0.00741498
I0225 11:53:49.304751  8404 solver.cpp:454] Snapshotting to binary proto file examples/mnist/lenet_iter_5000.caffemodel
I0225 11:53:49.351778  8404 sgd_solver.cpp:273] Snapshotting solver state to binary proto file examples/mnist/lenet_iter_5000.solverstate
I0225 11:53:49.393805  8404 solver.cpp:337] Iteration 5000, Testing net (#0)
I0225 11:53:59.841735  8404 solver.cpp:404]     Test net output #0: accuracy = 0.9893
I0225 11:53:59.842738  8404 solver.cpp:404]     Test net output #1: loss = 0.0323484 (* 1 = 0.0323484 loss)
I0225 11:53:59.978826  8404 solver.cpp:228] Iteration 5000, loss = 0.0304211
I0225 11:53:59.979827  8404 solver.cpp:244]     Train net output #0: loss = 0.030421 (* 1 = 0.030421 loss)
I0225 11:53:59.980828  8404 sgd_solver.cpp:106] Iteration 5000, lr = 0.00737788
...

//solver.prototxt设置max_iter: 10000，所以迭代训练10000次之后结束网络训练，此时网络的准确率有98.97%。
I0225 12:07:36.859302  8404 solver.cpp:454] Snapshotting to binary proto file examples/mnist/lenet_iter_10000.caffemodel
I0225 12:07:36.899327  8404 sgd_solver.cpp:273] Snapshotting solver state to binary proto file examples/mnist/lenet_iter_10000.solverstate
I0225 12:07:36.978380  8404 solver.cpp:317] Iteration 10000, loss = 0.004084
I0225 12:07:36.978380  8404 solver.cpp:337] Iteration 10000, Testing net (#0)
I0225 12:07:46.090425  8404 solver.cpp:404]     Test net output #0: accuracy = 0.9897
I0225 12:07:46.091425  8404 solver.cpp:404]     Test net output #1: loss = 0.0291721 (* 1 = 0.0291721 loss)
I0225 12:07:46.092427  8404 solver.cpp:322] Optimization Done.
I0225 12:07:46.094427  8404 caffe.cpp:255] Optimization Done.

3. 测试模型

训练好网络模型之后，可以用它对测试数据集进行批量测试，命令为：

Buildx64Releasecaffe.exe test -model examplesmnistlenet_train_test.prototxt -weights examplesmnistlenet_iter_10000.caffemodel -iterations 100

测试模型的输出结果与训练模型过程类似，需要注意的是，测试时会根据batch-size的设定，将测试数据分为多批，然后每批数据分别进行测试，分别得到一个accuracy和loss结果，那么迭代测试多少批呢，就是由命令中的-iterations值控制。最终统计得到一个总的accuracy和loss结果，如下所示。

...
I0225 21:32:55.633750   832 caffe.cpp:309] Batch 48, accuracy = 0.95
I0225 21:32:55.634752   832 caffe.cpp:309] Batch 48, loss = 0.123592
I0225 21:32:55.725814   832 caffe.cpp:309] Batch 49, accuracy = 0.99
I0225 21:32:55.725814   832 caffe.cpp:309] Batch 49, loss = 0.0154715
I0225 21:32:55.726811   832 caffe.cpp:314] Loss: 0.0434295
I0225 21:32:55.728813   832 caffe.cpp:326] accuracy = 0.9846
I0225 21:32:55.730814   832 caffe.cpp:326] loss = 0.0434295 (* 1 = 0.0434295 loss)

二、利用训练好的网络模型测试手写体原图【参考】

通过上面的步骤我们训练得到了一个识别手写体数字的网络模型，那么怎么对我们自己写的数字图像进行识别呢？

Caffe提供了调用训练好的网络模型进行图像分类的接口，源码为..caffe-masterexamples/cpp_classification，编译之后生成的classification.exe可执行文件存放在..caffe-masterBuildx64Release里，它的命令格式如下，源码分析在caffe-windows中classification.cpp的源码阅读

usage: classification deploy.prototxt network.caffemodel mean.binaryproto labels.txt img.jpg

deploy.prototxt-----模型描述文件
network.caffemodel------模型权值文件
mean.binaryproto-----图像均值文件
labels.txt-----图像类别标签信息
img.jpg-----输入待分类图像

因此要通过上述命令识别手写体图像，必须先得到模型描述文件、模型权值文件、图像均值文件、图像类别标签信息、输入待分类图像。

• 【模型描述文件】..caffe-masterexamplesmnist里的lenet.prototxt网络描述文件。它与lenet_train_test.prototxt具体区别，现在我还不了解。

• 【模型权值文件】训练得到的lenet_iter_10000.caffemodel，里面存放了训练得到的网络参数。

• 【图像均值文件】

  Caffe提供了计算图像集均值文件的接口，源码为..caffe-master oolscompute_image_mean.cpp，编译之后生成的compute_image_mean.exe可执行文件存放在..caffe-masterBuildx64Release里，它的命令格式如下：

    usage: compute_image_mean [FLAGS] INPUT_DB [OUTPUT_DB]		
    
    INPUT_DB------lmdb或leveldb格式图像数据集，如mnist_train_lmdb文件夹
    [OutPut_DB]------输出均值文件的名称，*.binaryproto  
  
    [FLAGS]可设置项如下
    -backend -----转换格式选择，可设置项有lmdb和leveldb，默认为lmdb；
  

  这里输入命令为（注意补充好完整路径）： compute_image_mean.exe mnist_train_lmdb mean.binaryproto，得到的均值文件mean.binaryproto存放到项目文件夹中。

• 【图像类别标签信息】

  新建一个txt文件，将标签逐行输入，注意标签顺序和个数要和训练时设定的一样，这里将txt命名为label.txt，输入标签信息如下：

    //label.txt
    0
    1
    2
    3
    4
    5
    6
    7
    8
    9
  

• 【得到待分类图像】

  手写体图像可以通过“画图”软件得到，但因为mnist训练时用的灰度图，所以需要将图像先转为灰度图，可以用PS、matlab等软件进行转换，http://blog.csdn.net/zb1165048017/article/details/52217772博客提供了几张手写体灰度图。

最终实验结果

测试之后发现，0.bmp,6.bmp图像存在误检，即使我重新写了两张比较标准的手写体图像6.jpg和6.bmp，还是存在误检，这是怎么回事？？

1. 发现和网络有一定关系，之前用..caffe-masterexamplesmnist里的lenet.prototxt网络描述文件，如果用http://blog.csdn.net/chengzhongxuyou/article/details/50717543中的网络，0.bmp和66.jpg可以识别正确，但是6.bmp和6.jpg还是错的，为什么？？

三、利用上述网络训练自己的24类字母数据集实现字母识别【参考】

1. 得到实验样本

用蔡的字母数据集做实验，一共有24个类别的字母（A-Z），每类字母有90张左右的样本。抽取每类样本中的70张，共1680张样本组成训练数据集，剩余466张的样本组成测试数据集。所有文件夹存放在一个examplesmy_projectchar文件夹中。

2. 得到标签文件

因为不同类别的样本原本就分类好，存放在对应类别的文件夹中，因此对应的训练标签文件char-trainData.txt和测试标签文件char-testData.txt很容易完成，C#代码如下，两个标签文件最终存放在examplesmy_projectchar文件夹中。

FileStream fs_train = new FileStream(@"C:UsersAdministratorDesktopcharchar-trainData.txt", FileMode.Append);
StreamWriter sw_train = new StreamWriter(fs_train);
FileStream fs_test = new FileStream(@"C:UsersAdministratorDesktopcharchar-testData.txt", FileMode.Append);
StreamWriter sw_test = new StreamWriter(fs_test);

DirectoryInfo flod = new DirectoryInfo(@"C:UsersAdministratorDesktopchar");//char文件夹

int label = 0;
foreach (DirectoryInfo fd in flod.GetDirectories())
{
    int idx = 1;
    foreach (FileInfo fi in fd.GetFiles())//each-char文件夹
    {
        string flodname = fi.DirectoryName;
        if (idx < 71)
        {

            sw_train.WriteLine(flodname.Substring(flodname.Length - 1, 1) + "/"+ fi.Name + " " + label);
        }
        else 
        {
            sw_test.WriteLine(flodname.Substring(flodname.Length - 1, 1) + "/" + fi.Name + " " + label);
        }
        idx++;
    }
    label++;
}
sw_train.Flush();
sw_train.Close();
sw_test.Flush();
sw_test.Close();

3. 数据集转化为lmdb格式

Caffe提供了将“图像+标签”数据集转化为lmdb格式数据的接口，源码为..caffe-master oolsconvert_imageset.cpp,编译之后生成的convert_imageset.exe可执行文件存放在..caffe-masterBuildx64Release里，它的命令格式如下：

usage: convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME

在这个例子中，在caffe-master目录下的执行的命令为：

1. convert_imageset.exe --gray=true --resize_height=28 --resize_width=28 examplesmy_projectchar examplesmy_projectcharchar-trainData.txt examplesmy_project/char/char_trainData_db

2. convert_imageset.exe --gray=true --resize_height=28 --resize_width=28 examplesmy_projectchar examplesmy_projectcharchar-testData.txt examplesmy_project/char/char_testData_db

4. 得到网络模型描述文件和超参数配置文件

【修改lenet_solver.prototxt】

net: "examples/my_projecy/char/lenet_train_test.prototxt" 
test_iter: 4  //因为测试样本只有446张，每组110张，只能测4次
snapshot_prefix: "examples/my_project/char/char" //最后一个char不是文件名，是快照文件的前缀名

【lenet_train_test.prototxt】

//改训练第一层的data_param
layer {
  name: "mnist"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "examples/my_project/char/char_trainData_db"//路径修改
    batch_size: 70//训练样本每组70，一共训练24次
    backend: LMDB
  }
}
//改测试第一层的data_param
layer {
  name: "mnist"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "examples/my_project/char/char_testData_db"//路径修改
    batch_size: 110//测试样本每组110，一共训练4次
    backend: LMDB
  }
}
//改输出
layer {
  name: "ip2"
  type: "InnerProduct"
  bottom: "ip1"
  top: "ip2"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 24//输出24类
    weight_filler {
      type: "xavier"
    }
    bias_filler {
      type: "constant"
    }
  }
}

执行训练命令

caffe.exe train -solver examplesmy_projectcharlenet_solver.prototxt

最终效果不好

为什么训练自己的数据效果不好，是过程出错？样本太少？分类过多？还是网络不适用于处理英文字母？