我们学习Caffe提供的简单例程，目的是为了让初学者轻松上手，以examples/cifar10/为例，主要用于小图片的分类。
1 cifar10数据集
60000张32*32彩色图片，50000张训练，10000张测试
下载cifar10数据集：http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz
将下载好并解压好的数据存放于/data/cifar10/路径
下载好的原始数据是BINARY（二进制）格式的，需要转换成LMDB或LEVELDB格式才能被Caffe识别（本文以LEVELDB格式为例）。
2 转换格式
我们已经编译好Caffe，可参考前面的博客Caffe环境搭建，只需要在根目录D:\caffe-master下编写一个脚本，完成后双击该脚本即可，我是将Caffe的源码解压在D盘的。
脚本文件如下所示：
.\Build\x64\Release\convert_cifar_data.exe ./data/cifar10 ./examples/cifar10 leveldb
pause
.\Build\x64\Release\convert_cifar_data.exe
./data/cifar10 表示输入数据文件路径
./examples/cifar10 表示输出数据文件路径
leveldb 表示数据格式，你也可以尝试生成lmdb格式
提示：如何编写bat脚本文件？
答：其实就是新建一个文本文件，然后将后缀名改写成bat就可以。
关于脚本里面的Release模式，有人肯定会问，我用Debug模式不可以吗？
答：也可以。但因为在Debug模式下会出现一系列的问题，我个人建议还是在Release模式下生成Caffe。
3 图像数据均值
我们已经编译好Caffe，只需要在目录D:\caffe-master下编写一个脚本就好，完成后双击脚本。
脚本如下所示：
.\Build\x64\Release\compute_image_mean.exe -backend=leveldb ./examples/cifar10/cifar10_train_leveldb mean.binaryproto
pause
.\Build\x64\Release\compute_image_mean.exe 表示图像数据进行初始化处理，需要compute_image_mean.exe可执行文件
-backend=leveldb 表示数据格式，如果不添加这句话的，默认转化为lmdb
./examples/cifar10/cifar10_train_leveldb 表示刚才生成的训练数据集的路径，而不是val验证数据集的路径
mean.binaryproto 表示输出均值文件名，后缀名为binaryproto。这里默认保存在当前路径下，也就是在D:\caffe-master。
4 配置网络文件
该版本的网络配置文件有很多，我这里使用/examples/cifar10/cifar10_quick_train_test.prototxt。打开之后修改训练数据和验证数据以及均值文件的路径，如下图所示，红色部分为修改过后的：
由于我是CPU模式的，所以还需要修改一下/examples/cifar10/cifar10_quick_solver.prototx文件里面的模式，如下图所示，红色圆圈为修改过的，原先为GPU模式。
5 训练日志
由于使用了cifar10_quick_train_test.prototxt，对应的在模型训练设置文件上我们使用cifar10_quick_solver.prototxt，其实不需要修改内容，当然你也可以自己指定一些参数。
我们已经编译好Caffe，只需要在根目录D:\caffe-master下编写一个脚本，完成后双击该脚本即可。
.\Build\x64\Release\caffe.exe train --solver=examples/cifar10/cifar10_quick_solver.prototxt
pause
要是想进行验证的话，可以修改命令为：
.\Build\x64\Release\caffe.exe test --model=examples/cifar10/cifar10_quick_train_test.prototxt
pause
运行结果，图中红色处为准确率，我们训练测试主要看的也就是它：
