2019-04-17/18 Matconvnet：matlab

你需要做的：
1.给你的图片编号，打标签，创建相应的txt文档
2.按照要求建立文件夹，如下图所示
3.下载并将在imagenet上预训练模型放在models文件夹里
4.将图像和标签信息放在data文件夹里面
5.下载所需版本的matconvnet

Tips:在这里有我上传到到网盘的文件夹压缩包（里面有下载好的matconvnet1.0-beta25和vgg-f,vgg-verydeep-19），格式按这个来就好了。(提取码: psn4)

下载完成后，打开cnn_dicnn.m，点运行，即可开始训练（默认CPU和训练迭代数为300，如需修改参数，请移步参考链接，该文的中部有详细说明）。

训练的时候，每一个epoch的参数结果都放在文件夹exp/image里面。所以即使中断了，再运行的时候，程序会接着上一次的代数接着训练的。另外，当你觉得训练的差不多的时候，可以停止训练，把迭代次数改成此刻的代数。如下图所示，当训练到61代的时候，它的error就等于零了，完全可以停止。

下面的图像是实时显示每一代结果的，从结果可以看出，把训练迭代数设定到20代就差不多了。

PS: Top-5错误率:即对一个图片，如果概率前五中包含正确答案，即认为正确。Top-1错误率:即对一个图片，如果概率最大的是正确答案，才认为正确。

接下来就可以测试模型的准确性了。新建一个test_accuracy脚本，添加如下代码：

clc
clear
% 导入model
net1 = dagnn.DagNN.loadobj(load('D:\matlab2018a\bin\mat_train\exp\image\net-deployed.mat')) ;  
net1.mode = 'test' ;
% 导入准备数据
imdb = load('D:\matlab2018a\bin\mat_train\exp\image\imdb.mat') ;

opts.dataDir = fullfile('data','image') ;
opts.expDir  = fullfile('exp', 'image') ;
% 找到训练与测试集
opts.train.train = find(imdb.images.sets==1) ;
opts.train.val = find(imdb.images.sets==3) ;

for i = 1:length(opts.train.val)
    index = opts.train.val(i);
    label = imdb.images.label(index);
    % 读取测试的样本
    im_ =  imread(fullfile(imdb.imageDir.test,imdb.images.name{index}));
    im_ = single(im_);
    im_ = imresize(im_, net1.meta.normalization.imageSize(1:2)) ;
    im_ = bsxfun(@minus, im_, net1.meta.normalization.averageImage) ;
    % 测试
    net1.eval({'input',im_}) ;
    scores = net1.vars(net1.getVarIndex('prob')).value ;
    scores = squeeze(gather(scores)) ;

    [bestScore, best] = max(scores) ;
    truth(i) = label;
    pre(i) = best; 
end
% 计算准确率
accurcy = length(find(pre==truth))/length(truth);
disp(['accurcy = ',num2str(accurcy*100),'%']);

第一次我直接到61代停止，然后用net-epoch-61作为最后的模型测试准确性，运行的时候我出现了以下错误（错误使用dagnn.Dadnn.loadobj:Inavalid model）

步入抛出错误位置，应该是net里面没有layer结构，就会抛出异常。

if isstruct(s)
  assert(isfield(s, 'layers'), 'Invalid model.');

对比net-epoch-61和net-deployed结构，如下图所示，net-epoch-61果然没有layers层。

net-epoch-61
net-deployed

第二次将cnn_dicnn函数中的训练函数cnn_train_dag 子函数中的opts.numEpochs改成20，让其训练完成生成net-deployed.mat，然后用上述准确度测试函数，测试得到正确性accurcy = 90.5%

说明：如果你是自己在官网下载的matconvnet，里面有两个文件cnn_imagenet_get_batch.m 和cnn_imagenet_deploy.m是没有的，网络运行的时候会显示你没有定义这个变量函数，可在以前的版本或者我上传的网盘里下载添加即可解决。

参考链接：1.深度学习（十四）：详解Matconvnet使用imagenet模型训练自己的数据集