linux 查看caffe路径,linux下caffe的命令运行脚本

参考：https://www.cnblogs.com/denny402/p/5076285.html

首先编译：

make -j8

make pycaffe

注：下面的--solver=.... 等价于 -solver ....

########################## -solver：必选参数 ###################

set -e

./build/tools/caffe train

--solver=examples/mnist/lenet_solver.prototxt -gpu 2

#gpu 2表示用第2块gpu运行，如果设置为"-gpu all"表示使用所有的gpu运行

######################-snapshot：可选参数，-gpu：可选参数 #############

#加上断点的训练

set -e

./build/tools/caffe train

--solver=examples/mnist/lenet_solver.prototxt

--snapshot=examples/mnist/snapshot/lenet_solver_iter_400.solverstate

######################## -weights：可选参数 #################

#用预先训练好的权重来fine-tuning模型，需要一个caffemodel，不能和-snapshot同时使用

set -e

./build/tools/caffe train

--solver=examples/mnist/lenet_solver.prototxt

#这里放训练好的模型参数caffemodel

--weights=models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel

########### test参数用在测试阶段，用于最终结果的输出，要配置模型中设定输入accuracy或loss，若我们在验证集中已训练好模型，则可以这么写(用caffe自带的测试方法)###################################

./build/tools/caffe test --model=examples/mnist/lenet_train_test.prototxt

--weights=examples/mnist/lenet_iter_10000.caffemodel -gpu 0 -iterations 100

############## time参数在屏幕上显示程序运行时间 ##################

###########可以在屏幕上显示lenet模型迭代10次所用的时间，包括每次迭代的forward和backward所用的时间##############

############也包括每层forward和backward所用的平均时间###################

./build/tools/caffe time --model=examples/mnist/lenet_train_test.prototxt -gup 0 -iterations 10

########### 利用给定的权重，利用第一块gpu，迭代10次lenet模型所用的时间 #################

./build/tools/caffe time --model=examples/mnist/lenet_train_test.prototxt

--weights=examples/mnist/lenet_iter_10000.caffemodel -gpu 0 -iterations 10

############### device_query参数诊断gpu信息 ##############

./build/tools/caffe device_query -gpu 0

################# 2个关于gpu的例子 #####################

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt -gpu 0,1

./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt -gpu all

#这2个例子说明：用2块或多块GPU来平行运算，速度会快很多；但是如果只有1块或没有GPU，就不要加-gpu参数了，加了反而更慢

#######最后在linux下本身就有1个time命令，因此可以结合使用，因此运行mnist例子的最终命令(1块GPU)############

sudo time ./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt