caffe验证集测试集准确率差别很大的可能原因

用caffe自身的训练方法训练的时候，在验证集上准确率达到99%，可是当我用python接口跑测试数据只有50%左右，我起初以为是过拟合，可看了数据发现分类全部偏向一个类别，几乎所有图片，全部分为印刷类。过拟合也不该这样啊。

后来发现是我的均值文件有问题，训练时做了归一化，数据在01之间，可是，直接用训练数据计算的均值在0-255之间，训练时会除255，可是自己用python测试的时候，减去的均值要自己除255，否则，图片均值太大直接覆盖了图片信息，当然只能分一类。

后来，又遇到一次，可是这一次，我能确定我的caffe-model文件没有问题。python训练文件也没有问题，因为我改换另一个caffe-model文件，分类结果是正确的，唯一有问题可能是deploy文件，可是这个我后来 也排除了，检查了很多次了，这就很诡异了，网上查也查不到。

郁闷了一天，只能向老大求助，他说这个可能原因有很多，问我训练时用了gpu吗？用了。测试呢？没用。那看看是不是这个原因吧。

额--!，果然是，加了这么一句话，caffe.set_mode_gpu()，分类结果又快又准。

为什么呢？我添加一了个DenseBlock层，当时猜想是作者难道没有实现cpu计算，只用gpu,可是看了代码，明明写了啊，这个我就不知道了，留着填坑吧。

https://github.com/senlinuc/caffe_ocr/blob/master/src/caffe/layers/DenseBlock_layer.cpp

这是那个地址。

最后总结下，caffe训练时验证集准确率高，用python接口测试测试集准确率低的原因：

1) 检查你的python测试文件，是否有问题，比如归一化，比如RGB换成BGR,比如HWC换成CHW

2) 检查deploy文件是否有问题

3) 检查你测试时用的是GPU模式还是CPU