0. 转到caffe源码根目录

cd caffe_windows

1.获取数据

.\data\mnistget_mnist.sh

2.解压数据

修改脚本：

.\examples\mnist\create_mnist.sh

3.计算均值

计算训练集均值：

.\Build\x64\Release\compute_image_mean.exe .\example\mnist\mnist_train_lmdb .\example\mnist\mean.binaryproto

4.训练数据

修改.\examples\mnist\lenet_train_test.prototxt文件

训练数据集：

.\Build\x64\Release\caffe.exe train --solver=examples\mnist\lenet_solver.prototxt

5.测试

.\Build\x64\Release\caffe.exe test --model=examples\mnist\lenet_train_test.prototxt -weights=examples\mnist\lenet_iter_10000.caffemodel -gpu=0

6.使用模型识别自己的字符图片

构造数据集：.\examples\mnist\binarybmp，其中binarybmp是10幅0~9数字的二值图像。

写标签：.\examples\mnist\synset_words.txt

0
1
2
3
4
5
6
7
8
9

使用模型进行分类：

.\Build\x64\Release\classification.exe .\examples\mnist\lenet.prototxt .\examples\mnist\lenet_iter_10000.caffemodel .\examples\mnist\mean.binaryproto .\examples\mnist\synset_words.txt .\examples\mnist\binarybmp\0.bmp

 参考：http://blog.csdn.net/zb1165048017/article/details/52217772