根据上述的两个链接本人制作叻自己的第一个caffe模型，具体过程不在赘述在本文中对其中的一些东西做一些自己的理解。

其实在本人的测试中发现所有文件位置的放置其实并没有绝对的要求你可以将训练分类数据分成无数个不同的文件夹放置，甚至你可以将训练分类数据和测试数据混合放置只要你將哪个图片是测试数据哪个图片是训练分类数据分别写在不同的文件中即可，如链接2中的train.txt和val.txtcaffe主要是通过读取train.txt和val.txt里面的文件路径来读取文件的。
特殊的：对于lmdb文件夹这个是系统根据train.txt和val.txt生成的，就不要去动它了

在这两个文件夹中，存放训练分类数据和测试数据这里面格式：地址+空格+标签（没有加号）。这个地址建议写相对地址吧这样复制到其他环境下也能用，这个相对地址写的应该是相对于create_imagenet.sh的地址通过create_imagenet.sh读取这两个文件夹，将图片转化为lmdb格式的文件方便caffe读取

（对于这个文件夹本人有个问题，如果是目标定位的任务这个train.txt的标签又该怎么写呢？知道的朋友能否解答下呢？）

（lmdb格式的文件内部是怎么运作的呢？caffe读取lmdb是怎么的一个流程和机理的呢？这个有很大的疑惑)

大家如果有相关解答这些问题的链接可以发在评论或者私聊交流

这个文件主要是计算图片的均值，把训练分类数据的lmdb文件夹路径输入就可以了然后改一下输出的均值文件的路径就可以了

这个文件夹内部主要是保持模型的结构，具体写法后面再重启一个博客来写这里主要写┅下对整体的理解

这个就是我们训练分类模型时候用到的一些超参数

如果我们需要自定义loss函数需要如何自定义呢？自己写一个C++的文件编译嗎

准备数据-》将数据转化为imdb文件-》通过imdb文件计算数据的均值（非必须）-》编写模型结构文件-》编写模型的超参数-》训练分类模型

现在我正在利用imagenet进行finetune训练分类待训练分类好模型，下一步就是利用模型进行分类故转载一些较有效的相关博客。