在配置教程裡有訓練好的模型，然後使用caffe去呼叫這個模型。
/caffe.bin檔案裡面有哪些引數：
1、先是test表明是要評價乙個已經訓練好的模型。
2、然後指定模型prototxt檔案，這是乙個文字檔案，詳細描述了網路結構和資料集資訊。從mnist下面的train_lenet.sh指定的solver對應於examples/mnist/lenet_solver.prototxt，而lenet_solver.prototxt指定的模型為examples/mnist/lenet_train_test.prototxt。
3、然後在指定模型的具體的權重。剛好為examples/mnist/lenet_iter_5000.caffemodel
下面呼叫已經訓練好的模型，測試。
同上，是下面是乙個我自己的三張的測試裡面有兩張貓的，呼叫bvlc_reference_caffenet.caffemodel模型
./build/tools/caffe.bin test -weights=models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel -model=examples/_temp/imagenet_val.prototxt -gpu=0
1、先是test表明是要評價乙個已經訓練好的模型。
2、然後imagenet_val.prototxt指定模型prototxt檔案，這是乙個文字檔案，詳細描述了網路結構和資料集資訊。
的具體的權重為models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel
測得準確率只有75%
caffe呼叫已生成的模型
如上圖 就是build tools caffe.bin檔案，上圖就有它的指令介紹。在mnist呼叫已經訓練好的模型，測試。這個測試，假定可能是新加入的測試集，還是按照原來的需求轉換，存放資料到指定的位置。build tools caffe.bin test model examples mnist ...
呼叫caffe的Python和C 的方法
方法1 直接寫sh指令碼檔案，再執行sh檔案即可，這種最簡單，也是最常用的，新手可以參照.examples 下的各種例項sh檔案。方法2 在caffe root目錄下，直接在linux的命令列視窗執行 build tools caffe 後面加上相應的引數即可。在linux中編譯caffe的時候，一...
生成模型和判別模型的區別
有監督機器學習方法可以分為生成方法和判別方法 常見的生成方法有混合高斯模型 樸素貝葉斯法和 馬爾科夫模型等，常見的判別方法有svm lr等 生成方法學習出的是生成模型，判別方法學習出的是判別模型。生成模型主要是求解聯合概率密度，比如我們有資料集 c，x 其中 c,x 表示其中乙個樣本，c為類別，x為...