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/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0
如果沒有gpu則使用
./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel
從上面的指令，對應上圖。
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_10000.caffemodel
在cifar10模型下面呼叫已經訓練好的模型，測試。
同上，是用train_quick.sh訓練的。
./build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_5000.caffemodel -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cifar下面的train_quick.sh指定的solver對應於開始的examples/mnist/lenet_solver.prototxt和4000次以後snapshot的examples/cifar10/cifar10_quick_solver_lr1.prototxt，而這兩者指定的模型都為cifar10_quick_train_test.prototxt。
3、然後在指定模型的具體的權重。為examples/cifar10/cifar10_quick_iter_5000.caffemodel
caffe呼叫已生成的模型和測試
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solve...
檢視caffe模型的引數
1.訓練模型的引數 solver caffe.sgdsolver str solver path for name,blob in solver.net.blobs,items 網路中的資料，blobs是乙個字典 print name str blob.data.shape blob是blob的類物...
caffe 轉caffe2模型出現的問題
剛開始接觸caffe，用nvidia tx2跑了ssd模型，達到8 9幀。把caffe模型轉caffe2模型時，轉到reshape層時出現錯誤 valueerror unknown argument type key values value 發現是protobuffer 版本問題，參考 解壓，編譯...