上一篇博客介紹了如何用alexnet跑自己的數據，能跑自己的數據按理說再跑cifar10應該沒問題了啊，但是想想還是要把cifar10的記錄下來，因為cifar10數據格式是屬于特殊的數據格式，需要用caffe環境把數據轉換文件編譯出來，這也是后面Siamese網絡所必須的一個步驟，說到Siamese網絡，，，，我要再哭5分鐘。好，五分鐘時間到，我們開始train。另外，如果是Ubuntu系統，跑cifar10只需要雙擊三個.sh文件，但是沒辦法，window系統要更加繁瑣一些，所以我覺得有必要把步驟寫下來。
說到cifar10，我就不多做介紹了吧， Cifar-10是由Hinton的兩個大弟子Alex Krizhevsky、Ilya Sutskever收集的一個用于普適物體識別的數據集。Cifar-10由60000張32*32的RGB彩色圖片構成，共10個分類。50000張訓練，10000張測試（交叉驗證）。這個數據集最大的特點在于將識別遷移到了普適物體，而且應用于多分類（姊妹數據集Cifar-100達到100類，ILSVRC比賽則是1000類）。

在2004年，兩個大弟子拿到少量資金構建cifar10用于普適物體識別，估計當時也是看他們沒錢，施舍給他們的，呵呵，說笑了，深度學習的鼻祖，怎么能有這么灰暗的歷史呢，不過估計當時他們自己也沒有預想到后面這個數據集會有這么大的用途。
1、下載數據
從cifar10官網上下載吧。地址：http://www.cs.toronto.edu/~kriz/cifar.html，下載好了解壓縮，如下，五個訓練文件，一個測試文件

2、編譯convert_cifar_data

啊啊啊，我的caffe中沒有convert_cifar_data怎么辦？沒錯，我的電腦上的確沒有，在這個地方博主跳了好多坑，在caffe-windows-master\examples\cifar10文件夾下有一個convert_cifar_data.cpp文件，雖然有這個文件，怎么編譯啊？在caffe中新建一個工程，把cpp文件導進去，開始編譯？別做夢了，各種配置錯誤，找不到各種文件。。。。。
哈哈，不繞彎子了，博主想到了一個非常巧妙的方法，在caffe-windows-master\build_cpu_only文件夾中，有一個convert_imageset文件夾，這個是用來轉換數據的工程，在前面兩個博客中都用到了這個工程編譯的文件，把這個文件復制一下，然后把其中的release文件刪除，只保留剩下的三個文件，然后把復制的這個文件夾和文件夾里的三個文件重命名為convert_cifar_data，沒錯，就是這么巧妙！成功的解決了配置文件路徑的問題！
然后用vs打開復制的這個工程，這個時候這個工程的名稱還沒有換，需要重命名一下，然后把這個工程里原來的那個cpp文件移除，把在caffe-windows-master\examples\cifar10\convert_cifar_data.cpp右鍵添加進來。

添加之后：

愉快的開始生成吧。生成之后，會在bin目錄下生成如下幾個文件：

其中，convert_cifar_data.exe就是我們需要的可執行文件。

3、轉換數據
在data文件夾下新建一個cifar10train文件夾，為什么不建一個cifar10文件夾呢？因為本來已經存在一個cifar10文件了啊，哈哈哈。新建一個轉化數據的腳本文件，內容如下：

注意：input就是存放cifar10數據的文件夾，output是轉換后輸出的文件夾，lmdb是需要轉換的數據格式。雙擊運行之后，在output文件夾下會有如下：

這就是生成的訓練和測試數據。

4、計算均值
這一步不啰嗦了，腳本文件如下：

5、開始訓練
編寫開始訓練的批處理文件：

其中需要的cifar10_quick_solver.prototxt和cifar10_quick_train_test.prototxt在caffe-windows-master\examples\cifar10文件夾下都有，這兩個協議文件中如何修改，不用多說了吧，如果忘了，去看我上一篇博客，說的很清楚了，不說了。

我記得最后的精度好像是73%.。。。。。。

其實訓練cifar10整體流程和之前的是一樣的，只不過是數據轉換時是不一樣的，這應該是在windows環境下，訓練cifar最詳細的一個說明了吧。