本次实验本来参考examples/imagenet下的readme.txt进行，但因为数据集过于庞大，所以模拟学习，参考薛开宇的学习方式，模仿搭建自己的数据库。 首先在caffe/data下新建文件夹myself，然后在网上下载猫、鸟、狗的训练图片各50张，测试图片17,11,14张。为了方便，把图片名修改，使用python，代码如下： import os;def rename():coun

由于项目需要进行机器人运行环境的识别，搜寻了一番发现caffe实现较为简单，所以进行了初步尝试，为了避免自己忘掉主要步骤在这里记录一下。使用的系统是ubuntu 16.04 caffe opencv 3.4 cpu only 1.caffea编译 caffe在ubuntu下的编译可参考https://www.cnblogs.com/darkknightzh/p/5797526.html 和ht

主要是data层不同。 1.txt layer {name: "data"type: "ImageData" ###top: "data"top: "label"include {phase: TRAIN} image_data_param { ###source: "examples/finetune_myself/train.txt" ###batch_size: 50ne