使用caffe和mnsit数据集训练生成的lenet_iter_10000.caffemodel的使用方法

醒目：本文只面向初入caffe的新手

在成功配置好caffe后，一般我们会使用mnist数据集进行训练，以检测caffe是否正常安装。caffe的官网提供了使用mnist数据集进行lenet神经网络训练的方法。见Training LeNet on MNIST with Caffe，按该教程的引导，我们最后训练得到了lenet_iter_6000.caffemodel和lenet_iter_10000.caffemodel两个文件。但是Caffe官网的教程并没有给出这两个文件怎么使用，只是简单地简单提了一句“you can deploy as a trained model in your application”，导致很多像我这样的新手到这里就摸不到头脑，难以继续下去。下面分享一下这个文件的使用方法，并用这个model来识别图片中的数字：

第一步：找到分类脚本classification.bin

该文件位于{caffe}/build/examples/cpp_classification目录下，其中{caffe}是你caffe的安装目录。现在我们试着运行一下它，看它提示我们需要哪些参数：

[sevend@sevend-pc caffe]$ ./build/examples/cpp_classification/classification.bin 
Usage: ./build/examples/cpp_classification/classification.bin deploy.prototxt network.caffemodel mean.binaryproto labels.txt img.jpg

可以看到，它提示我们，运行这个脚本需要五个参数，分别是：

deploy.prototxt
network.caffemodel
mean.binaryproto
labels.txt
img.jpg

那么，接下来我们的目标就是找出这五个参数该传什么进去。在本文，我们不细究这五个参数到底是干什么的（那需要非常多的篇幅，本文只面向初入caffe的新手），只告诉大家成功跑起来的方法。在这里告诉大家，img.jpg是要识别的图片，大家可以去网上找一些手写数字图片，或者自己写一个（文末提供了我所用的测试图片）。接下来我们就挨个找到这五个文件：