caffe训练图片分类遇到一些问题

  问题一： 首先修改图片的大小：在shape中，第二个dim个通道数，第三，四个为长宽，最主要是卷积层中num_output卷积核的个数是根据图片的大小进行计算的，对于灰色图像来说卷积核个数最多可以为 (64 +2 * pad + stride) - kernel_size  ，所以num_output值最多不能超过这个值，要不然会报错。

问题二：caffe在训练自己分类的图像时，由于参数是根据自己的图像进行调整，所以第一次运行时，loss变化特别大，刚开始还比较正常，接着loss就变成#0: loss = 87.3365 (* 1 = 87.3365 loss) 为什么会一直出现87.3365这种情况可以参考此博客：http://blog.csdn.net/jkfdqjjy/article/details/52268565?locationNum=14也出现了#0:loss = 0 的情况最后一直保持#0: loss = 1.#QNAN (* 1 = 1.#QNAN loss)不变了，在网上找了一些方法，发现在修改这两个地方，效果比较显著：

调整base_lr和 weight_decay小一点，我调整比之前小了10倍。

把batch_size的值调整大一点，因为我的图片不是很多，之前设置是30，因为batch_size*test_interval是可以大于等于图片训练的数量的，所以大一点也可以。只是会重训练一些图片。

ps: 最后一个全连接层的num_output:  设置的值一定要为自己图片分类的类别数

肯定还会遇到一些问题，回续更新，仅当笔记~