ｃａｆｆｅ.bin :command line brew
usage : caffe <command><args>
commands：
train: 訓練或者微調一個網絡
test: 對一個模型打分測試
device_query: 顯示ＧＰＵ診斷信息
time: 評估模型執行時間
Flags from tools/caffe.cpp:
-gpu (可選參數，給定時運行在ＧＰＵ模式，‘－ｇｐｕ ａｌｌ’ 則表示運行在所有可用的ＧＰＵ設備上，此時真正訓練批量大小是Ｎ×Ｂ，Ｎ為指定的ＧＰＵ設備的數目)
-iterations (循環迭代次數，默認為５０)
-model (指定模型定義文本名，*.prototext)
-sighup_effect (當收到ＳＩＧＨＵＰ信號時要采取的動作，可選項:snapshot.stop,或none,默認是ｓｎａｐｓｈｏｔ，即拍快照)
-sigint_effect (當收到ＳＩＧＩＮＴ信號時要采取的動作，可選項同上，默認為ｓｔｏｐ)
-snapshot (恢復訓練時所需要指定上次終止的快照，*.solvestate)
-solver (指定求解器文本文件嗎，*.prototxt)
-weights (指定用於微調的與訓練權值，*.caffemodel,不可與ｓｎａｐｓｈｏｔ同時出現)
example mnist:
train: caffe train --solve = example/mnist/lenet_solver.prototxt
test: caffe test -model example/mnist/lenet_train_test.prototxt -weights example/mnist/lenet_iter_10000.caffemodel -iterations 100.