注：本文為基於微軟的windows caffe
caffe提供了乙個視覺化訓練結果的工具，下面就是具體的操作方法
caffe的根目錄下文統一定義為caffe_root
首先，預設情況下執行caffe.exe訓練時是不生成日誌的。我們要通過日誌來解析訓練結果
1. 在caffe_root下新建乙個run_mnist.sh檔案，內容如下
log=./log/train-`date +%y-%m-%d-%h-%m-%s`.log
caffe=e:/tsy/code/caffe-microsoft/build/x64/release
$caffe/caffe train --solver=examples/mnist/lenet_solver.prototxt --gpu=0 2>&1 | tee $log
2. 執行caffe_root\run_mnist.sh，生成的log檔案會儲存在caffe_root\log\下面
3. 開啟caffe_root\tools\extra，在該目錄下新建乙個文字文件，命名為draw_result.sh，文件內容如下
python plot_training_log.py 0 ./result.png e:/tsy/code/caffe-microsoft/log/train-2016-06-16-06-20-36.log
4. 將caffe_root\tools\extra\plot_training_log.py.example更名為plot_training_log.py
5. 使用shell執行draw_result.sh,我這裡使用的是cgyshell執行。執行成功後會在當前目錄生成乙個result.png檔案，並顯示，如下
參考
caffe學習 caffemodel視覺化
網路架構的形象展示 在構建完網路後,我們得到乙個xx train.prototxt檔案,該檔案中記錄著每層網路的輸入輸出及規格等引數,在位址 左側拖入xx train.ptototxt檔案,按enter shift組合鍵即可檢視網路模型圖,非常具體形象.以lenet為例 lenet prototxt...
caffe模型視覺化
通過前面的學習，我們已經能夠正常訓練各種資料了。設定好solver.prototxt後，我們可以把訓練好的模型儲存起來，如lenet iter 10000.caffemodel。訓練多少次就自動儲存一下，這個是通過snapshot進行設定的，儲存檔案的路徑及檔名字首是由snapshot prefix...
Caffe網路視覺化
最近在學習caffe，但是作為曾經的windows深度使用者，還是比較習慣視覺化的介面。然而，caffe當然是在linux os x系統下更好啦，因為一般還是寫script在命令列裡面玩的。所以這樣就不直觀咯，為了能直觀地看清楚網路結構，而不是看prototxt腦補 視覺化就很重要了。幸好，開發ca...