用已有的模型来训练自己的数据集（finetune）

1.首先准备自己的数据集，这次的数据集和上篇博客中自己训练的数据集是一样的，按照上次的步骤，生成train_lmdb,val_lmdb和均值文件

2.下载已有的模型这里用的是caffenet模型，下载bvlc_reference_caffenet.caffemodel以及网络train_val.prototxt，solver.prototxt

3.修改train_val.prototxt文件，修改数据集路径以及均值文件路径，batch_size的数值由数据集决定，这里train的batchsize=128,test的batchsize=10

   修改最后的num_output=5，并且把这一层的名字改成fc_new

4.修改solver.prototxt文件，test_iter=10，test_interval=10，base_lr=0.001，stepsize=40，display=20，weight_decay=0.0005，这里用CPU训练

5.finetune，./build/tools/caffe train --solver=examples...solver.prototxt -weights=...bvlc_reference_caffenet.caffemodel

6.迭代50次精度就达到100%。

7.测试：./build/tools/caffe.bin test -model examples..train_val_prototxt -weights=examples/...(finetune之后的模型文件) -iterations=10(因为test batchsize=10,迭代10次就能遍历整个测试集)