前期准備：
文件夾train：此文件夾中按類別分好子文件夾，各子文件夾里存放相應圖片
文件夾test：同train，有多少類就有多少個子文件夾
trainlabels.txt ： 存的是訓練集的標簽
testlables.txt： 存的是測試集的標簽
(特別注意：文件的路徑以及文件名要對應)
第一步
生成train文件夾和test文件夾以及標簽文件。本文用的是matlab對數據集進行讀取，然后輸出圖片到相應文件夾中，並且生成標簽文件。此處給出matlab的代碼，請自行分析。
%% 實現圖片的輸出，將圖片輸出到train和test兩個文件夾下，並且對圖片進行重命名
% 同時給所有圖片打標簽，存於test_labels.txt trainlabels.txt
%
%
clear
rand('seed',1);
datadir = ('D:\matconvnet-beta23\data\chars74K\Fnt'); % 原數據集所在路徑
catedir=dir(datadir); % 獲取數據集下信息
trainratio = 0.8; % 百分之八十訓練
train_labels= fopen('train_labels.txt','wt'); % 創建標簽文件
test_labels = fopen('test_labels.txt','wt');
class_num = 0 ; % 記錄類別
for i =3:length(catedir)
sampdir=dir(fullfile(datadir,catedir(i).name,'\*.png')); % 獲取類文件夾下 png圖片，
disp(['category ', num2str(i-2) , ' have ', num2str(length(sampdir)),'instance.']);
new_folder_train = ['./train/',catedir(i).name]; % 創建各類文件夾，按第i類創建
new_folder_test = ['./test/',catedir(i).name];
mkdir(new_folder_train);
mkdir(new_folder_test);
class_num =class_num + 1;
for j = 1:length(sampdir)
if j==1
krand = randperm(length(sampdir)); % 隨機選取圖片，防止過擬合
end
kk = krand(j);
img = imread(fullfile(datadir,catedir(i).name,sampdir(j).name)); % 讀取
name = [catedir(i).name,'\',sampdir(kk).name]; % 輸出每張圖片的名稱
if j < length(sampdir) *trainratio % j是讀取的第j個樣本（子類中）,j小於**時，設置為1，1是表示訓練
imwrite(img,[new_folder_train,'/',sampdir(kk).name]); % 注 ：‘.png’
fprintf(train_labels,'%s %s\n',name,num2str(class_num-1)); % 從0開始編號，寫label的txt文件
else
imwrite(img,[new_folder_test,'/',sampdir(kk).name]);
fprintf(test_labels,'%s %s\n',name,num2str(class_num-1)); % 從0開始編號
end
disp(['category ', num2str(i-2) , ' have ', num2str(length(sampdir)-2),' sample. ' ...
'sample ', ' ------ ', num2str(j) ]);
end
end
fclose(train_labels);
fclose(test_labels);
來看看生成的文件，此處將數據存於caffe-master\data\Chars74k下，因此train和test文件夾是在caffe-master\data\Chars74k下。 
如圖所示，train文件夾里有62個子文件夾，分別代表62個類別，每個子文件夾里就是圖片。Test文件夾同理。
如圖所示，這訓練集的標簽文件，分兩個部分。第一部分是路徑，此處要注意， “Sample001\img001-00051.png ” 要與train文件夾里的圖片的文件名一一對應，否則在用convert_imageset.exe進行轉換格式時候會出現 找不到文件的提示。
（PS：我直接就是在matlab中輸出圖片時，多加了’.png’，導致圖片的文件名是 Sample001\img001-00051.png.png 最終導致找不到文件）
第二部分就是標簽了，這里的標簽是從0開始表示第一個類別。特別注意，txt文件中，文件路徑和標簽中有一個空格。
- 第二步
有了train和test以及對應標簽文件，就可以利用 convert_imageset.exe將圖片轉換成LMDB或者LEVELDB的格式，這里采用批處理的方式。首先在caffe-master\data\Chars74k 文件夾下創建txt文件重命名為：convert_chars74k_LMDB.bat
一定要把后綴改成 .bat ，然后將以下代碼復制到文本中，保存。
D:\caffe-master\Build\x64\Release\convert_imageset.exe --resize_width=28 --resize_height=28 ./train/ train_labels.txt train_lmdb -backend=lmdb D:\caffe-master\Build\x64\Release\convert_imageset.exe --resize_width=28 --resize_height=28 ./test/ test_labels.txt test_lmdb -backend=lmdb Pause
這里的每行包含七個部分，第一個部分：D:\caffe-master\Build\x64\Release\convert_imageset.exe 表示 convert_imageset.exe所在路徑（PS，若是用Debug生成的，則在將Release改成Debug即可）
第二、三部分，是對原始圖片進行了resize，第四部分：
./train/ 是訓練圖片文件所在路徑，此處用了相對路徑的形式（不了解相對路徑的同學，請度娘 ./ ../的作用） 第五部分，train_labels.txt是訓練集的標簽
第六部分：train_lmdb 是生成LMDB格式文件的文件名
第七部分：-backend=lmdb 是所要轉成的格式（要轉成 leveldb的則改成 -backend=leveldb）
然后雙擊運行convert_chars74k_LMDB.bat
運行正常的話，在文件夾caffe-master\data\Chars74k下會出現
test_lmdb 和train_lmdb 兩個文件夾。至此，已經將自己的數據集轉換成為LMDB格式的數據了，即caffe可讀的數據格式。
- 第三步
訓練
此處和訓練Mnist和Cifar-10一樣可參考（http://blog.csdn.net/u011995719/article/details/53998331）
訓練需要寫兩個prototxt文件，一個是描述網絡結構的，一個是超參數的設定。 
如圖所示，一個是網絡模型描述，一個是超參數設置，特別注意路徑。
寫好這兩個文件之后，就可以利用caffe.exe進行訓練啦。
在文件夾caffe-master\data\Chars74k下，創建txt文件，重命名為caffe_train_Chars74k.bat（注意改后綴），然后復制以下代碼：
..\..\Build\x64\Release\caffe.exe train --solver=./Chars74k_solver.prototxt
Pause
同樣的，注意路徑就好。保存之后，雙擊運行即可。