我找到了一篇关于如何训练神经网络的教程。我应该如何使用自己的数据集来训练caffe module呢？

有一个Cats vs Dogs的例子，我很清楚如何处理包含两种类型（Dogs和Cats）的数据。我尝试按照他的步骤操作，并得到了caffe module的结果。

然后我想增加类型集，我的意思是，我之前只训练了2种类型，现在我想训练19种类型（是的，19种不同的对象）。

我遇到的问题是如何在caffe模块中增加主要选择？

这是我发现问题的那部分代码：

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):]

我认为如果我有19种类型，并不意味着我需要19次编写这样的代码（upper）。

另外，我的图片不是放在不同的文件夹里，我只有一个文件夹，里面大约有4,000张图片。

回答：

你不需要重复那段代码19次。这段代码的唯一目的是创建'train.txt'和'test.txt'文件，这些文件列出了你的图像文件及其每个图像的标签。
我不知道你在磁盘上是如何组织这些图片的（你说你有一个包含4K图片的单一文件夹），但你应该能够确定每张图片属于哪个标签/类（0..18）。一旦你在'train.txt'和'test.txt'文件中有了这些列表，你就可以使用convert_imageset工具来创建训练和验证数据集了。