改写VGGNet训练自己的数据集(caffe)

caffe:使用VGGNet训练自己的数据集

前言

今天跑完了样例，又用训练好的googlenet来搞了一下物体识别，接下来就得训练自己的模型了。发现许多操作跟样例是相似的，所以打算先进一步研读样例中层数的编写过程，然后再自己动手修改。

将数据集转换为lmdb格式

参考了一下人家写的

这个可以有，效率更高，暂时先不弄了，直接跑jpg格式数据集
今天还是要弄，刚开始出现错误aborted的错误，考虑可能原因：
1.路径没设置好，可能是需要绝对路径，但是我却设置成了相对路径。
2.刚开始不能有train_lmdb和test_lmdb这两个文件夹，不然会冲突。

准备VGGNet16模型

这是从caffe model zoo上面下载的，这个是人家整理的，自己改改然后就能用我觉得。
现在是solver.prototxt和train_val.prototxt写完了，训练出了个错误，
考虑可能的原因：
1.数据集没弄好，自己直接用的jpg格式，可能是train_val.prototxt里面对数据层的解释没有弄好。
2.测试集数量太少，只有一百来张，然而solver.prototxt里面的某个迭代参数等东西设置不合理。
3.自己的数据集仍然是分为十类了，是不是不应该再分子文件夹。

遇到的问题

啊？难道是CUDA的问题吗？查看网上的说法：
但是我运行后，
CUDA版本是8.0啊
还有这样说的：
然后尝试编译个新的caffe,做了一下make runtest，发现没有通过，错误如下，
这个错误跟刚才上面训练数据时遇到的错误是一样的。

也有人这样说：
就是有cuda7的安装残留，需要将这个去掉。

有个人这样解决了：
这靠谱吗？好像是不行，没有安装nvidia-cuda-toolkit，没有卸载一说。

跑了一下自带的Lenet，正常的话如下：
但我的VGGNet：

解决

因为我发现连make runtest都通不过，干脆解决这个问题那么无法训练的问题就解决了。我没办法了，就把caffe重新编译了一遍，哎呀，竟然通过了，然后自己又一训练，发现竟然成功了哈哈哈。
加油啊得！