這篇原創筆記來自鐵粉zhupc，感謝爲大家提供的這份caffe測試mnist數據集的精彩總結。
想要入門深度學習沒有幾個趁手的兵器是不行的，目前流行的框架tensorflow、pytorch、caffe等，筆者也是最近接觸了caffe，發現caffe非常適合初學者入門深度學習。不必像tensorflow那樣，先學習Python，然後在學習tf,這個過程感覺像在重新學習一門語言。caffe是c++編寫的，所以從github上下載下來後需要你自己編譯，令人高興的是caffe也支持windows,你去github上下載微軟發佈的caffe用vs2013編譯即可成功，它也區分cpu版本與gpu版本，如何編譯安裝的百度上教程基本可用，筆者在windows跟ubuntu都編譯成功了。入門的童鞋基本上接觸的第一個教程就是mnist識別手寫數字，caffe無疑可以讓你最快的搭建整個網絡並跑通。
這裏假設你已經安裝好caffe。caffe給我們配備了很多個例子，安裝好的caffe中，在example文件夾下，有很多現成的網絡，以mnist爲例。首先，我們需要下mnist數據集，在進入到data文件夾下，有個獲取數據的腳本 caffe/data/mnist/get_mnist.sh，執行完成後會得到下面幾個文件，通過名字判斷可知道分別是測試集與訓練集的樣本與標籤。
進入到caffe/examples/mnist 文件夾下，執行./create_mnist.sh 腳本，如果你的caffe沒有編譯，可能會提示錯誤convert_mnist_data.bin: not found。 重新編譯一下caffe即可。腳本執行成功後你會得到兩個文件夾
Lmdb是一種數據庫，查詢和插入非常高效，caffe使用lmdb作爲數據源，同時caffe也支持hdf5文件。
Caffe搭建網絡是基於prototxt文件，超參數也在裏面配置。所以只需要根據自己的需求配置網絡與超參數prototxt文件，就可以了。在mnist目錄下，有以下幾個文件:
找到 文件caffe/examples/mnist/lenet_train_test.prototxt 這個文件是訓練用的文件,想要自定義網絡就可以這個文件配置網絡。
簡單粗暴的配置，相信你很容易看懂，配置數據源，定義layer類型。
你還需要caffe/examples/mnist/lenet_sover.prototxt文件。lenet_solver文件是用來配置超參數，打開這個文件
框選出來的是幾個重要的配置，首先定義網絡文件位置，配置測試集迭代次數，定義學習率。以及最大迭代次數，文件末尾也可以自由的定義使用GPU或者CPU，snapshot_prefix指的是快照生成的路徑，這裏要配置好。另外建議，數據源最好配置上絕對路徑，這樣的話在任何目錄下都可以執行下面命令。
找到tools文件夾下的caffe，配置solver路徑後，即可運行。
有的童鞋可能用我的命令執行不通過，你只需要查看三個路徑是否配置正確，一個是solver文件中的 net 路徑，跟快照路徑，網絡文件中的數據源路徑。還需要注意的是你在什麼路徑下執行 train命令。
