文末提供了相关下载链接。
本文使用的数据是开源数据集cifar10，这份数据是一份对包含6万张像素为32*32的彩色图片，这6万张图片被分成10个类别，分别是飞机、汽车、鸟、毛、鹿、狗、青蛙、马、船、卡车。数据集截图：
目前这份数据已经内置在PAI提供的公共数据集中，以jpg格式存储。任何PAI的用户都可以在深度学习组件的数据源OSS路径中直接输入,
* 测试数据： oss://dl-images.oss-cn-shanghai-internal.aliyuncs.com/cifar10/caffe/images/cifar10_test_image_list.txt
* 训练数据：oss://dl-images.oss-cn-shanghai-internal.aliyuncs.com/cifar10/caffe/images/cifar10_train_image_list.txt
如图：
目前PAI上的Caffe框架只支持特定的格式，所以需要首先将jpg格式的图片进行格式转换。
经过格式转换，可以在自己的OSS路径下生成如下文件，训练数据和测试数据各一份。
需要记录对应的OSS路径用于net文件的填写，假设路径名分别是：
训练数据data_file_list.txt：bucket/cifar/train/data_file_list.txt
训练数据data_mean.binaryproto:bucket/cifar/train/data_mean.binaryproto
测试数据data_file_list.txt：bucket/cifar/test/data_file_list.txt
测试数据data_mean.binaryproto:bucket/cifar/test/data_mean.binaryproto
Net文件编写，对应上文格式转换生成的路径：
Solver文件编写：
将编辑好的Solver文件和Net文件全部传到OSS上，拖动caffe训练组件如图，在Sovler文件路径上选择OSS上提交的Solver文件，运行即可。
生成的图片分类model文件可以在OSS对应路径下查看，可以用以下模型进行图片分类
日志查看可以参照本文开头提供的“Tensorflow实现图像分类”。
作者微信公众号(与作者讨论)：