caffe训练正确率高classify.py分类时归为1类的一种情况

首先说一下，在caffe/examples/cpp_classification/下有一个classification.cpp也可以用来做分类，在一开始编译caffe环境时build all命令会在build/examples/cpp_classification下生成一个classification.bin
命令格式为

/path/to/caffe/build/examples/cpp_classification/classification.bin  
/path/to/deploy.prototxt
/path/to/model/_iter_300.caffemodel   
/path/to/meanfile/mean.binaryproto    
/path/to/wordstxt/word.txt   
/path/to/image/0758.jpg 

可以先用这个检测一下，我当时遇到的问题是，该命令检测正确率100%，用classify.py检测归为1类，这个错误困扰了我一天多的时间，我排查了各种原因，包括

1. 学习率调整（还没用cpp.bin检测前尝试的，同时适用于loss一直等于83…，loss值为负数）
2. 更改layer（用了lenet,alexnet,失败）
3. 试图用matcaffe（不好意思..因为GCC版本问题放弃了）
4. lmdb文件问题（还真让我查出来了一个，生成lmdb的时候得用带标记的图片列表，而我没带，所以全部的图片都被归为1类…这是一个问题，但我解决了依然没有成功，于是继续排查）
5. 均值文件的问题，这个据说是处理均值文件的方法不同，我没有测试过，实在走投无路了可以排查下这个方向
6. 代码本身的问题

7. 关于caffe.io.load_image()方法的问题，相关介绍查看http://blog.csdn.net/smf0504/article/details/60138863

   最后我真检查出代码问题了，很让我不解的一个问题，具体如下：
   因为caffe通过opencv读入的图片通道为BGR，所以我们手动读入图片的时候要仿照opencv，这个在classify.py中的表现是

parser.add_argument(
        "--channel_swap",
        default='2,1,0',
        help="Order to permute input channels. The default converts " +
             "RGB -> BGR since BGR is the Caffe default by way of OpenCV."
    )

默认为2,1,0，所以也就是参数中不需要调整，但问题就出在这里，这个被我忽略的问题直到我把读入的图片和处理后的图片做了对比才发现
图片没有交换通道…输出channel_swap的时候显示为None…
我在后面手动添加了一行
channel_swap = [2,1,0]
解决了，我得哭一会…这都什么事啊
因为之前测试mnist，完全没有问题，所以我一直都是在自己定义的层上找问题，完全没想到是代码本身的问题，mnist本身是灰度图，所以是否交换通道无所谓，但我用的彩色的图就很坑了