标签：
一、mnist数据集mnist是一个手写数字数据库，由Google实验室的Corinna Cortes和纽约大学柯朗研究院的Yann LeCun等人建立，它有60000个训练样本集和10000个测试样本集。mnist数据库官方网址为： 。可直接下载四个解压文件，分别对应：训练集样本、训练集标签、测试集样本和测试集标签。解压缩之后发现，其是在一个文件中包含了所有图像。
二、caffe支持的数据格式：Lmdb和Leveldb它们都是键/值对（Key/Value Pair）嵌入式数据库管理系统编程库。
虽然lmdb的内存消耗是leveldb的1.1倍，但是lmdb的速度比leveldb快10%至15%，更重要的是lmdb允许多种训练模型同时读取同一组数据集。
因此lmdb取代了leveldb成为Caffe默认的数据集生成格式。
三、mnist数据集的处理caffe并不能直接使用下载得到的四个文件进行训练，而是会把它转化为lmdb或leveldb格式进行读取。目前我使用的是leveldb格式。由于还没有具体研究如何将数据集向lmdb或leveldb格式转化，所以目前使用的是网盘下载的资源，链接如下：
提取码：xama。里面是已经经过转换的leveldb格式的训练集和测试集，将这两个文件夹直接放到\examples\mnist目录下，如下图所示：
四、训练caffe模型训练caffe模型需要用到几个文件，首先是train_lenet.bat，打开看到其内容如下：
即该文件指定要使用lenet_solver.prototxt文件，那我们就看看该文件吧！
将最后一行solver_mode改为CPU；（为什么我不用GPU呢？后面再解释！）可以看出，这个文件是对网络训练参数进行指定：max_iter指定了最大迭代次数，默认为10000次，snapshot是输出中间结果，默认为迭代到5000次时输出中间结果。
文件的开头也指明了，使用lenet_train_test.prototxt文件指定的网络进行训练和测试。
打开lenet_train_test.prototxt，做如下修改以正确指定训练集和测试集。
其中source指定了mnist的训练集和测试集的文件夹所在路径，注意，此处是相对路径，这个很关键，原因后面再提！
backend指定了数据集的格式，使用的是leveldb。
之后，点击examples/mnist目录下的train_lenet.bat批处理文件，即可实现对mnist数据集的训练，train_lenet.bat文件内容为：
cd ../../ "caffe/bin/caffe.exe" train --solver=examples/mnist/lenet_solver.prototxt pause
意思为使用编译生成的caffe.exe进行训练，训练使用的解决策略由lenet_solver.prototxt来指定。
如果不出意外，等待一段时间后，即可得到如下界面：
可以看到，打印信息的格式是有规律的，
左侧是caffe采用的GLOG库内方法打印的信息，这个库主要起记录日志的功能，方便出现问题时查找根源，具体格式为：
[日期] [时间] [进程号] [文件名] [行号]
往右即为当前迭代次数以及损失值（训练过程不输出准确率accuracy）。
当看到Optimization Done字样时，说明模型训练完成。训练得到的模型存储在目录\examples\mnist下（后缀名为caffemodel和solverstate），如下图所示：
分别是训练至一半和训练最终完成后的模型。接下来即可用这模型对mnist的测试集进行测试。
五、mnist数据集的测试编译生成的caffe.exe可以直接用于测试。在目录\examples\mnist下新建mnist_test.bat批处理文件，并写入如下内容：
cd ../../ caffe\bin\caffe.exe test --model=examples\mnist\lenet_train_test.prototxt -weights=examples\mnist\lenet_iter_10000.caffemodel pause
意思是，首先是找到caffe.exe并运行->指定为测试模式->指定网络测试参数->指定模型。
运行mnist_test.bat，结果显示如下：