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，一般會編譯生成c++的介面，但是不會生成python或者是matlab的介面，需要手動編譯python的介面。
1、編譯python介面，在caffe_root下執行以下命令：
make pycaffe -j322、呼叫python介面
編譯成功後，如果直接進入python的環境，再import caffe會提示，caffe不存在：
是因為編譯後，python介面的caffe還沒有進python的環境。
3、方法1:臨時使用的方法：
在caffe_root下執行以下命令：
export pythonpath=python #後面就是生成python介面檔案的儲存位置，如果這裡不是caffe的根目錄，後面的python資料夾的位置路徑需要對應修改以上命令相當於將python介面臨時加入了python環境。
方法2：直接將caffe_root/python這個路徑加到.bashrc檔案中。一般.bashrc檔案在你使用者的路徑下，在使用者的home目錄下，輸入ls -al這個命令就可以檢視home目錄下所有的檔案，包括隱藏的檔案。
開啟.bashrc檔案，將python的路徑加到環境變數裡就可以了，即將下面這個加到檔案最後即可。
export pythonpath=home/yxp/caffe/caffe/python #這裡必須是絕對路徑，從後home開始caffe 如何呼叫python層
這兩天一直在研究faster rcnn的原始碼，可是依舊感覺雲裡霧裡，故下定決心把caffe呼叫python layer的流程仔細走一遍，好明白到底是什麼在呼叫python layer。話說 linux 除錯還真是蛋疼啊，木有ide那樣直接下斷點，gdb又不會用，只能傻比比的不斷的log info ...
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...
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 ...