colour_recognition使用总结

1、激活函数的作用：使特征值变为y=f（x）形式

2、num_output最后一个是表示分类的种类；前面一些num_output是卷积模板数，即滤波器个数；

      可以考虑修改num_output的个数，即修改滤波器的个数，来观察模型是否有变化

3、BN只是做了计算均值和方差；scale是做了对归一化后的x进行缩放比例和位移

4、模型最后两层“softmaxWithLoss”和“Accuracy”可以互换位置，前面的那些模型的layer顺序是固定的

5、test的方式：

     不同分布的test：

$Tools/caffe   test  -model=用于训练的网络模型文件的路径   -weights   用于测试的模型的路径   -gpu    1
注意：此处不需要solver文件，直接用网络模型定义文件，此文件只是test路径修改一下
       deploy文件的用途：自己写C文件test 的时候用

6、在covn中有两个param{

                                   lr_mult:1

                                   decay_mult:1  #权值衰减

                                  }

       一个是表示权重学习率，另外一个是偏置的：学习率是lr* lr_mult；

7、查看是否出错可以看日志，修改模型的时候要保证输出concat的时候n*c*width*heigth中 width*heigth的值一致