caffe学习笔记（三）ImageNet实例

个人认为，相对于MNIST和CIFAR-10来说，ImageNet实例或许是caffe中最具有学习价值的实例。通过该实例的学习，你可以用caffe在自己的数据集上搭建自己的模型。当然，如果你没有那么多的时间和精力去重新训练一个ImageNet网络，只是想要一个训练好的现成的模型，那么你也可以去官网上的model zoo部分找到你所要的。caffe 中打包好了几个训练好的BVLC模型，你可以‘开箱即用’。caffe中的BVLC模型有以下四类：
1.BVLC Reference CaffeNet
该模型是在ILSVRC 2012 数据集上训练的AlexNet，来源于Krizhevsky 等人在NIPS 2012上的论文 ImageNet classification with deep convolutional neural networks中的实验，不过caffe中的模型与论文中的模型略有不同。（由 Jeff Donahue 训练）
2.BVLC AlexNet
在ILSVRC 2012 数据集上训练的AlexNet，该模型与1中所述模型的不同点在于，它几乎与论文中描述的模型一模一样。（由Evan Shelhamer训练）
3.BVLC Reference R-CNN ILSVRC-2013
按照Girshick等人在CVPR 2014所述，纯粹用caffe实现的R-CNN模型。（由Ross Girshick训练）
4.BVLC GoogLeNet
GoogLeNet模型，按照Szegedy等人在ILSVRC 2014中的文章Going Deeper with Convolutions 中的模型所训练得到的。（由Sergio Guadarrama 训练）
上面这些模型你可以在python或matlab中直接调用。