使用caffe训练并且测试一个自己的模型

配置文件制作完毕，训练一个自己的模型将变得非常简单：

solver_path = '/home/xxx/data/solver.prototxt'
caffe.set_device(gpu_id) # 若不设置,默认为0
caffe.set_mode_gpu() # 设置计算模式为GPU计算
solver = caffe.SGDSolver(solver_path) # 加载Solver
for _ in range(500) # 按照100次迭代为一次循环，这样便于做一些参数的处理
solver.step(100)

现在得到了训练好的数据，接下来测试一下刚才训练好的数据在测试样本上的表现情况
caffe.set_device(gpu_id) # 若不设置,默认为0
caffe.set_mode_gpu() # 设置计算模式为GPU计算
net = caffe.Net( # 首先加载训练好的模型
deploy_prototxt_path, # 用于分类的网络定义文件路径
caffe_model_path, # 训练好模型路径
caffe.TEST # 设置为测试阶段
)
sum = 0
for _ in range(100) # 如果每一批次的样本为100个，这样的话测试了10000个样本
net.forward()
sum += net.blobs["Accuracy"].data
sum /= 100 # 每100个样本计算一次准确率，求和之后需要求平均再