1.MNIST資料集

（Mixed National Institute of Standards and Technology）是一個大型的手寫體數字資料庫，廣泛用於機器學習領域的訓練和測試。包括60000個訓練集和10000個測試集，每張圖進行尺寸歸一化，數字居中處理，固定尺寸為28*28px。

1.1下載MNIST資料集

cd caffe
cd data/mnist/
./get_mnist.sh
tree(如果沒有要安裝sudo apt install tree)

1.2MNIST資料格式描述

1.3轉換格式

下載到的原始資料集為二進位制檔案，需要轉換為LEVELDB或LMDB才能識別。
在caffe根目錄下執行./examples/mnist/create_mnist.sh
可以看到examples/mnist下有兩個目錄

2 LeNet5模型

2.1模型描述

examples/minist/lenet_train_test.prototxt檢視

資料來源mnist負責從預處理得到的lmdb資料庫中讀取資料data和標籤書label，影象資料送入後續CNN結構中進行處理，CNN結構包括一組由卷積層conv（1，2）+下采樣層pool（1，2）交替形成的特徵層ip1和ip2（類似於多層感知器結構）。對ip2的輸出進一步同標籤資料label對比，可計算分類準確率accuracy和損失值loss。

2.2訓練超引數

examples/mnist/train_lenet.sh檢視
–solver=examples/mnist/lenet_solver.prototxt指定了訓練超引數（Hyper-Paramenter）

2.3訓練日誌

./examples/mnist/train_lenet.sh

問題：沒有改成CPU
將–solver=examples/mnist/lenet_solver.prototxt中的模式改為CPU
再輸入./examples/mnist/train_lenet.sh

跑起來

./examples/mnist/train_lenet.sh

2.4用訓練好的模型對資料進行預測

利用訓練號的模型權值檔案（examples/mnist/lenet_iter_10000.caffemodel）可以測試資料集（或外部測試集）進行預測。
命令
./build/tools/caffe.bin test-model=examples/mnist/lenet_train_test.prototxt-weights= examples/mnist/lenet_iter_10000.caffemodel

解釋：
第一行：表示只做預測（前向傳播計算），不進行引數更新（後向傳播計算）。
第二行：指定模型描述文字檔案。
第三行：指定模型預先訓練好的權值檔案
第四行：指定測試迭代次數。參與測試的樣例數目為（iterations*batch_size）。
batch_size在model prototxt中設定，為100時剛好覆蓋全部10000個測試樣本。

參考：深度學習21天實戰Caffe。作者：趙永科