caffe提取网络各个层的特征

怎么把网络各个层的特征保存成数据呢？以我们经典的minist例子开始，在上一篇博客生成模型的基础上提取minis的卷积1层为例。

一：

先编译好caffe，生成build。

二：参考 http://blog.csdn.net/ture_dream/article/details/77100115训练minist模型

三：

输入

./build/tools/extract_features.bin \             //可执行程序
 examples/mnist/lenet_iter_10000.caffemodel \        //预训练的网络，×.caffemodel
 examples/mnist/lenet.prototxt \                    //描述文件××.prototxt
 conv1 \                                                           //需要提取的层
 myconv1 \                                          //保存的特征名
 10 \                     //做特征提取的数据批量数目
 lmdb \                 //输入数据的格式，lmdb/leveldb
 GPU \                //cpu/gpu
 1                        //如果用GPU，则选择设备编号

四：报错

GPU不行，现用CPU模式： 

./build/tools/extract_features.bin examples/mnist/lenet_iter_10000.caffemodel examples/mnist/lenet.prototxt conv1 myconv1 10 lmdb CPU

五： success：

思考：GPU为啥出错，因为就一个GPU，序号是0

./build/tools/extract_features.bin examples/mnist/lenet_iter_10000.caffemodel examples/mnist/lenet.prototxt ip1 myip1 100 lmdb GPU 0

为什么上面640，这次6400张图片。

试了几次，发现minibatch是64，做特征提取的数据批量数目10时是64*10=640,100时6400