完整案例：caffe框架用Alexnet做二分类的全部流程

一.数据的准备与预处理
数据的准备是非常重要的，我们现在准备做的是一个二分类任务，计划选取男女图片进行训练与测试。
train：随机选取300张男性图片，300张女性图片
val：随机选取80张男性图片，80张女性图片
test：随机选取100张男性图片，100张女性图片
ps：train集和val可以有交集，但是train集和test集不要有交集
我手里找到了一批512*768的图片，先使用matlab进行裁剪和缩放为128*128的图片，要尽量将图片中任务的体貌特征全部涵盖（肩膀以上），选取其中的正面照。
如下图所示

将图片处理好之后，还需要将其转化为LMDB格式
详细操作可参考该文档：https://blog.csdn.net/swiftfake/article/details/79799880
二.选取网络并修改内容
我们使用的是Alexnet，我们将该网络存放到/caffe/examples文件夹下

其中：
logs：为存放训练日志的文件夹
snapshot：为用于存放训练生成的caffemodel的文件夹
trainval.prototxt：alexnet网络的定义与数据的加载
solver.prototxt: 解决网络的参数
deploy.prototxt：alexnet网络的定义
如何将trainval.prototxt文件转化为deploy.prototxt文件，可参考该文档：
https://blog.csdn.net/swiftfake/article/details/80046480

接下来介绍需要我们修改的地方
trainval.prototxt：
首先我们要修改source路径和mean_file路径
然后将全连接层的num_output设置为2，保存即可

solver.prototxt：
修改snapshot_prefix和net路径，然后保存

deploy.prototxt：
全连接层的num_output设置为2，保存即可

三.训练模型
现在我们已经做好了所有的事前准备，开始训练模型

cd caffe
sudo GLOG_logtostderr=0 GLOG_log_dir=/home/hca/caffe/examples/Alexnet/logs ./build/tools/caffe train -solver /home/hca/caffe/examples/Alexnet/solver.prototxt 

训练好的模型会存放到snapshot文件夹下
四.将mean.binaryproto文件转化为mean.npy文件
参考文档：https://blog.csdn.net/swiftfake/article/details/80624082
五.测试训练模型
训练结束以后，我们需要测试以下我们训练的模型是否正常
测试的方法有c++和python两种方式，不过说彻底点python也只是调用了c++的方法
上代码：

import sys 
sys.path.append('./python')
sys.path.append('./python/caffe')

import caffe 
import numpy as np 
import cv2 
import argparse

import matplotlib.pyplot as plt

color = {'female':'0', 'male':'1'}

root = '×××/caffe/'
caffe_model = root + '×××/×××.caffemodel'#存放caffemodel的路径
deploy = root + '×××/deploy.prototxt'#存放deploy文件的路径
mean_file='××××/mean.npy'#存放mean.npy文件的路径
def classifier(img, net):
    transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
    transformer.set_transpose('data', (2,0,1))
    transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))
#    transformer.set_raw_scale('data', 255)
#    transformer.set_channel_swap('data', (2,1,0))
    net.blobs['data'].data[...]= transformer.preprocess('data',img)
    out = net.forward()
    prob = out['prob']
    print prob
    return np.argmax(prob)


if __name__ == '__main__':

    testList = open('×××/test.txt', 'r')#存放测试文件的路径
    caffe.set_mode_gpu()
    caffe.set_device(0)
    net = caffe.Net(deploy, caffe_model, caffe.TEST)
    count = 0
    for line in testList:      
        imagePath = line.split()[0]   
        label = line.split()[1]    
        path = imagePath    
        img = cv2.imread(path)
        plt.imshow(img)
        plt.axis('on')
        plt.show()
        result = classifier(img, net)
        print '-------------------------------'
        plt.imshow(img)
        plt.axis('off')
        plt.show()
        print result
        print label
        print '-------------------------------'
        if result == int(label):
            count = count+1
    Precession = count*1.0/20     #20为测试图片的数量，可自行设置，也可以重新定义
    print 'Precession is {}'.format(str(Precession))