深度学习21天实战caffe学习笔记《13：Caffe 实用工具》

Caffe框架编译后会生成动态链接库libcaffe.so,其本身不能独立运行。

写一个mai()函数，调用Caffe的API，编译时包含相应的头文件，链接时加入livcaffe.so，构成一个完整的Caffe应用程序。

1、训练和预测

通过命令向caffe.bin传递不同的参数（train/test），来实现深度神经网络的训练、预测。

细读：tools/caffe.cpp(包含caffe训练选项、caffe预测选项、多GPU、finetune的内容)

2、特征提取

Caffe当做特征提取器，可以有效地降低图像数据维度，从而降低传输带宽。对特征进一步精细分类可以使用其他分类器实现。

细读：tools/extract_features.cpp

3、转换图像格式

预处理阶段将不同数据集转换为LEVELLDB和LMDB格式。

例：examples/cafar10/convert_cifar_data.cpp

tools/convert_imageset.cpp

4、计算图像均值

在数据读取层的Transform阶段，需要曲俊致操作。均值文件一般需要用原始数据计算得到。

细读：tools/compute_image_mean.cpp