21天实战caff--2 第6天 运行手写数字识别例程--路线图

用训练好的模型对数据进行预测的命令行解释：

./build/tools/caffe.bin test 表示只做预测（前向传播计算），不进行参数更新（后向传播计算）

-model examples/mnist/lenet_train_test.prototxt  指定模型描述文件

-weights examples/mnist/lenet_iter_10000.caffemodel 指定模型预先训练好的权值文件

-iterations 100 指定测试迭代次数

一个完整的深度学习系统最核心的两个方面：数据和模型。

数据是带标签的图片集，分训练集和测试集；

模型是描述CNN结构的有向无环图，表示对原始数据的处理方式。

caffe并不是直接处理原始数据，而是由预处理程序将原始数据变换存储为LMDB格式，这种方式可以保持较高的IO效率，加快训练时的数据加载速度。模型通常使用ProtoBuffer文件格式表述，训练结果保存为ProtoBuffer二进制文件或者HDF5格式文件。

深度学习的过程其实就是利用训练数据对模型进行训练，将数据中蕴含的大量信息通过机器学习算法不断收集到模型中，利用训练好的模型对现实世界中相似数据进行特定处理（分类，识别，检测，定位。）

在训练过程中将train_lenet.sh打印的log输出到文件里的方法

root@ubuntu:/home/gps/caffe# sh ./examples/mnist/train_lenet.sh  2>&1 | tee /home/gps/caffe/gps_log/log_mnist.txt | less