caffe调用已生成的模型

如上图 ，就是build/tools/caffe.bin文件，上图就有它的指令介绍。

在MNIST调用已经训练好的模型，测试。

这个测试，假定可能是新加入的测试集，还是按照原来的需求转换，存放数据到指定的位置。

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0 

如果没有GPU则使用

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel

从上面的指令，对应上图。

1、先是test表明是要评价一个已经训练好的模型。

2、然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。从mnist下面的train_lenet.sh指定的solver对应于examples/mnist/lenet_solver.prototxt，而lenet_solver.prototxt指定的模型为examples/mnist/lenet_train_test.prototxt。

3、然后在指定模型的具体的权重。刚好为examples/mnist/lenet_iter_10000.caffemodel

在cifar10模型下面调用已经训练好的模型，测试。

同上，是用train_quick.sh训练的。

./build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_5000.caffemodel -gpu=0

1、先是test表明是要评价一个已经训练好的模型。

2、然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。从cifar下面的train_quick.sh指定的solver对应于开始的examples/mnist/lenet_solver.prototxt和4000次以后snapshot的examples/cifar10/cifar10_quick_solver_lr1.prototxt，而这两者指定的模型都为cifar10_quick_train_test.prototxt。

3、然后在指定模型的具体的权重。为examples/cifar10/cifar10_quick_iter_5000.caffemodel