我找到了一个关于如何train a neural net的教程。我该如何使用自己的数据集训练caffe module。
有一个例子Cats vs Dogs，对我来说很清楚，我需要如何处理由两种类型（Dogs和Cats）组成的数据。我试图按照他的步骤，得到一个结果caffe module。
然后我想增加类型集，我的意思是，我只训练2类型，现在我想要19类型（是的，19 - 不同的对象）到培养。
我发现的问题是我应该如何增加主要选择 在一个caffe模块？
以下是我发现问题的代码部分：
dog_images = [image for image in os.listdir(DATA_DIR) if 'dog' in image]
cat_images = [image for image in os.listdir(DATA_DIR) if 'cat' in image]
dog_train = dog_images[:int(len(dog_images)*0.7)]
dog_test = dog_images[int(len(dog_images)*0.7):]
cat_train = cat_images[:int(len(cat_images)*0.7)]
cat_test = cat_images[int(len(cat_images)*0.7):]
我不认为如果我有19类型，则意味着，我需要19次来编写代码（upper）。
另外，我的图片不在不同的文件夹中，我有一张，而且有4,000张图片。
答案 0 :(得分：2)
您无需重复该代码19次。此代码的唯一目的是创建列出图像文件和每个图像标签的'train.txt'和'test.txt'文件。
我不知道你是如何组织磁盘上的图像的（你说你有一个带有4K图像的文件夹），但是你应该能够分辨出每个图像属于哪个标签/类（0..18）。在文件'train.txt'和'test.txt'中提供这些列表后，您可以使用convert_imageset工具继续创建列车和验证数据集。