用caffe自身的訓練方法訓練的時候，在驗證集上準確率達到99%，可是當我用python接口跑測試數據只有50%左右，我起初以爲是過擬合，可看了數據發現分類全部偏向一個類別，幾乎所有圖片，全部分爲印刷類。過擬合也不該這樣啊。
後來發現是我的均值文件有問題，訓練時做了歸一化，數據在01之間，可是，直接用訓練數據計算的均值在0-255之間，訓練時會除255，可是自己用python測試的時候，減去的均值要自己除255，否則，圖片均值太大直接覆蓋了圖片信息，當然只能分一類。
後來，又遇到一次，可是這一次，我能確定我的caffe-model文件沒有問題。python訓練文件也沒有問題，因爲我改換另一個caffe-model文件，分類結果是正確的，唯一有問題可能是deploy文件，可是這個我後來 也排除了，檢查了很多次了，這就很詭異了，網上查也查不到。
鬱悶了一天，只能向老大求助，他說這個可能原因有很多，問我訓練時用了gpu嗎？用了。測試呢？沒用。那看看是不是這個原因吧。
額--!，果然是，加了這麼一句話，caffe.set_mode_gpu()，分類結果又快又準。
爲什麼呢？我添加一了個DenseBlock層，當時猜想是作者難道沒有實現cpu計算，只用gpu,可是看了代碼，明明寫了啊，這個我就不知道了，留着填坑吧。
https://github.com/senlinuc/caffe_ocr/blob/master/src/caffe/layers/DenseBlock_layer.cpp
這是那個地址。
最後總結下，caffe訓練時驗證集準確率高，用python接口測試測試集準確率低的原因：
1) 檢查你的python測試文件，是否有問題，比如歸一化，比如RGB換成BGR,比如HWC換成CHW
2) 檢查deploy文件是否有問題
3) 檢查你測試時用的是GPU模式還是CPU