1.配置caffe（CPU模式）參考上一篇博文
2.下載fcn源碼https://github.com/shelhamer/fcn.berkeleyvision.org
3.數據準備
sift-flow數據集http://www.cs.unc.edu/~jtighe/Papers/ECCV10/siftflow/SiftFlowDataset.zip
並解壓至/fcn.berkeleyvision.org/data/下，並將文件夾名重命名爲sift-flow。這裏一定要注意，/fcn.berkeleyvision.org/data/下本來就有一個文件夾叫sift-flow，千萬不要覆蓋。同時，這些原本就存在的文件夾裏的東西還要全部複製到新解壓的sift-flow文件夾下邊。你可以先把原本的sift-slow重新命名爲sitf-flow_1，然後再解壓複製！
預訓練模型http://dl.caffe.berkeleyvision.org/
下載VGG-16的預訓練模型放至/fcn.berkeleyvision.org/ilsvrc-nets/目錄下，並重命名爲vgg16-fcn.caffemodel。
把根目錄下 的所有文件拷貝到siftflow-fcn32s目錄下
4.代碼修改
（1）修改solve.py
# init
#caffe.set_device(int(sys.argv[1])) #我的電腦沒有gpu，如果你電腦有gpu的話，這一行不用註釋
#caffe.set_device(0) #我的電腦沒有gpu，如果你電腦有gpu的話，這一行不用註釋
#affe.set_mode_gpu() #我的電腦沒有gpu，如果你電腦有gpu的話，這一行不用註釋
#solver = caffe.SGDSolver('solver.prototxt')
#solver.net.copy_from(weights)
solver = caffe.SGDSolver('solver.prototxt')
vgg_net = caffe.Net(vgg_proto, vgg_weights, caffe.TRAIN)
surgery.transplant(solver.net, vgg_net)
（2）修改solver.prototxt
添加
snapshot:4000 snapshot_prefix:"snapshot/train"
注：首先在siftflow-fcn32s目錄下新建snapshot文件夾
5.訓練
cmd進入siftflow-fcn32s目錄，輸入python solve.py
已經開始訓練