運行caffe自帶的mnist實例教程
本文結合幾篇博文總結下來的，附上其中一篇原博文鏈接以供參考：http://blog.sina.com.cn/s/blog_168effc7e0102xjr1.html
1、先進入caffe文件目錄，(指令：cd ./caffe)，再用data/mnist下的get_mnist.sh下載MNIST數據集，代碼如下：
sudo sh ./data/mnist/get_mnist.sh
打開下載目錄caffe/data/mnist查看如下圖：
2、轉換格式，代碼如下：
./examples/mnist/create_mnist.sh(若出錯：./examples/mnist/create_mnist.sh: 17: ./examples/mnist/create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found。則應先執行編譯：make all -j4，然后再執行命令：./examples/mnist/create_mnist.sh)
完成后在examples/mnist生成了兩個目錄：mnist_test_lmdb和mnist_train_lmdb：
每個目錄下有兩個文件：data.mdb和lock.mdb：
網絡結構定義在./examples/mnist/lenet_train_test.prototxt中。
訓練參數配置在./examples/mnist/lenet_solver.prototxt中。
如果電腦有GPU,則不需要修改配置文件;如果沒有GPU則需要修改lenet_solver.prototxt，在訓練之前需要修改
./examples/mnist/lenet_solver.prototxt最后的（solver_mode: GPU）修改為：solver_mode: CPU
這樣保證整個訓練過程在CPU上進行。
3、訓練超參數，有兩種方式：
（1）通過命令行執行訓練，代碼如下：（這是書上的例子，可以參考網址上的例子，在后面。不同之處：網址上的例子在此處新建一個文件夾保存訓練的模型）
cd ./caffe
./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt
（2）將以上訓練的命令行代碼寫成訓練腳本並命名為train_lenet.sh，放到mnist目錄下。運行train_lenet.sh腳本進行訓練。
cd caffe
./examples/mnist/train_lenet.sh(若出錯：Check failed: mdb_status == 0 (13 vs. 0) Permission denied *** Check failure stack trace: ***則記到caffe目錄下，先清除：sudo make clean（刪掉了原有build文件）后，並重新編譯：sudo make all -j4（重新生成build文件），再重新訓練。
部分訓練過程截圖如下：等待幾分鍾，訓練好后截圖如下，准確率99.08%：
最終訓練的模型保存在caffe/examples/mnist/lenet_iter_10000.caffemodel文件中，訓練狀態保存在caffe/examples/mnist/lenet_iter_10000.solverstate文件中。
5、用訓練好的模型對數據進行預測。
利用訓練好的Lenet-5模型權值文件（examples/mnist/lenet_iter_10000.caffemodel）可以對測試數據集（或外部測試集）進行預測，代碼如下：（注意caffe.bin ，prototxt ，caffemodel 等的路徑一定要根據自己的寫對：）
cd ./caffe
./build/tools/caffe.bin test \
-model=examples/mnist/lenet_train_test.prototxt \
-weights=examples/mnist/lenet_iter_10000.caffemodel \
-iterations=100
（\表示回車，也可以不要它，直接將這四行代碼寫成一行代碼,注意caffe.bin ，prototxt ，caffemodel 等的路徑一定要根據自己的寫對：
./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_5000.caffemodel -iterations=100）
預測結果如下：
================================= 書上的例子到此結束 =======================
×××××××××××××××××××× 下面是參考網址上的例子 ××××××××××××××××××××××
網址上例子訓練模型部分，從前面第三部分開始。在此處創建了一個文件夾保存模型，這方法很好。新建文件夾代碼如下：
cd ./caffe/examples/mnist
mkdir model_mnist
查看一下，輸入如下代碼
ls
建好文件夾后需要修改caffe/examples/mnist/lenet_solver.prototxt 中的snapshot_prefix。
訓練網絡前先查看一下build/tools/caffe.bin 的用法。
訓練網絡的代碼如下：
cd ./caffe
./examples/mnist/train_lenet.sh
訓練完成后，在examples/mnist/model_mnist下產生了4個文件。本例設置迭代5000次輸出一個模型和訓練狀態保存下來，故保存了迭代5000次和迭代10000次的訓練模型與訓練狀態。
測試迭代5000次的模型，代碼如下：
cd ./caffe
./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_5000.caffemodel
運行caffe自帶的mnist實例教程測試迭代10000次的模型，代碼如下：
cd ./caffe
./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel