第一種方法是測試批量圖片，使用caffe.bin即可，首先要做的是把你的jpg圖片轉換為LMDB的格式，如何轉換呢？用/build/tools/convert_image --resize_width 227 --resize_height 227 圖片所在的目錄 class.txt LMDB文件生成的目錄（注意是目錄）即可，這里class.txt是我自己生成的，內容是每個圖片的路徑。
得到相應的LMDB目錄以后，把這個路徑填入到prototxt的test layer中的source中，修改一下batch_size的大小，然后執行命令./build/tools/caffe.bin test -model 你的網絡prototxt -weights 你的caffemodel -iterations 100 （迭代一百次）；
第二種方法是使用classfication，這個是針對一幅圖做分類的。這個網上百分之99的都是直接用bvlc這個model來測試的，那里面什么東西都給好了，實在是沒有任何的借鑒的意義，最近我在復現一篇論文的工作，它里面調用的是googlenet，用classification的話就需要自己修改一下東西。
首先是deploy.prototxt文件，我的prototext是訓練和測試的，所以你要用來預測圖片，需要自己做修改，最簡單的方法是吧input的layer都刪除了，換成：
layer {
name: "data"
type: "Input"
top: "data"
input_param
{ shape: { dim:1 dim: 3 dim: 227 dim: 227 }}}
第一個維度是圖片數，第二個是通道數，后面的是圖片的長寬，然后對於googlenet，他的輸出是三個...所以我就強行把前兩個輸出刪除了，這里因為還沒有讀過相 關的paper，不太清楚為什么要三個輸出，這幾天有時間准備把paper讀一下，搞定這個以后，要確定你的caffe編譯了opencv，這樣它就不會報錯說沒有input了。