Caffe深度学习

1、假设我现在有一些自己的图片想进行分类，但样本量太小，可能只有几百张，而一般的深度学习都要求样本量在1万以上，因此训练出来的model精度太低，根本永不上，解决方法之一是用caffe团队提供给我们的模型，因为训练好的model里面存放就是一些参数，因此我们实际上就是把别人的预先参数拿来作为外卖的初始化参数，而不需要再去随机初始化了。图片的整个训练过程说白了就是将初始化参数不断更新到最优的参数的一个过程，既然这个过程别人已经帮我们坐好了，便可使用别人训练好的参数，必须有一个前提，那就是和别人用同一个network，因为参数是根据network而来的，当然最后一层我们是可以修改的，因为我们的数据可能可能并没有1000类，而只有几类，将最后的类别数改一下。最后用别人的参数、修改后的network和我们自己的数据再进行训练，使得参数适应外卖的数据，这样一个过程，称之为微调（fine tuning）。

2、caffe用训练好的网络模型进行fine tuning：关键代码是: --weights /path/a.caffemodel -gpu 0

未完成，继续补充中.........