caffe 菜鸟学习记录

不是有水平的文章，就是个菜鸟的简单记录。持续更新

1.deploy.prototxt

  与train_val.prototxt文件类似，没有反向传播的部分，只是头尾有些区别。没有了第一层的数据层，也没有最后的accuracy层（用于反向传播），但最后多了一个直接计算前向的概率的Softmax层。用于用训练好的模型进行预测时使用的文件。

  一般不推荐用代码来生成，熟悉train_val.prototxt的可以将其复制一份进行相应的修改。

  删除原有train_val.prototxt中开始用于训练的输入的两个数据层（train和test），因为利用模型分类将不再需要用到标签数据。

2.关于恢复训练

    如果我们在训练途中就停电或者有了其他的情况，我们可以通过之前保存的状态恢复数据，使用的时候直接添加–snapshot参数即可，如：

./build/tools/caffe train --solver=models/bvlc_reference_caffenet/solver.prototxt --snapshot=models/bvlc_reference_caffenet/caffenet_train_iter_10000.solverstate

这时候运行会从snapshot开始继续运行，如从第600迭代时运行。

3.2017.10.09 一个疑问？

卷积神经网络学出来的feature应该是唯一的吗？怎样的学出来的特征算是“好的特征”？我们固然可以设计不同的网络结构，来学习出不同的特征。但是怎样的特征才是好的特征？以及，我们能否从特征学习的过程中，得到一些规律，用于辅助手工设计特征？毕竟搞一个CNN的话，要大量数据或者微调，而且需要GPU，并且还是一个black box缺乏理论支持的感觉。