LeNet5训练Mnist回顾总结

 训练过程依据其他教程和训练日志学习。

 通过mnist训练过程，我们初步了解一个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（DAG），表示对原始数据的处理方式。

 Caffe并不是直接处理原始数据的，而是由预处理程序将原始数据转换存储为LMDB格式，这种方式可保持高效的的IO效率，加快训练时的数据加载速度。模型通常用ProtoBuffwe文本方式表述，训练结构保存为ProtoBuffer二进制文件（默认）或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，再利用训练好的模型对现实世界中的相似数据进行特定处理（如分类、识别、检测、定位）。

 回顾caffe/build/tools/caffe.bin的用法,在caffe安装目录下运行

$ ./build/tools/caffe.bin



commands:

train 训练或微调一个模型

test 对一个模型打分

device_query 显示GPU诊断信息

time 评估模型执行时间

Flags from tools/caffe.cpp:

下面罗列了一些可选参数，实际在solver.prototxt中已经设置过，参照解释可以测试。