均值是所有训练样本的均值，减去之后再进行训练会提高其速度和精度。
1、caffe下的均值
数据格式是二进制的binaryproto，作者提供了计算均值的文件compute_image_mean，
计算均值时调用：
sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto
生成的均值文件保存在mean_binaryproto。
2、python格式下的均值（.npy）
需要首先将其转为二进制的，然后再转成python格式下的，用一个python脚本来实现。
#!/usr/bin/env python
import numpy as np
import sys,caffe if len(sys.argv)!=:
print "Usage: python convert_mean.py mean.binaryproto mean.npy"
sys.exit() blob = caffe.proto.caffe_pb2.BlobProto()
bin_mean = open( sys.argv[] , 'rb' ).read()//读入mean.binaryproto
blob.ParseFromString(bin_mean)//解析文件内容到blob
//将blob中的均值转化为.py格式，array的shape(mean_number,channel,height,width)
arr = np.array( caffe.io.blobproto_to_array(blob) )
//选择其中一组均值（？），保存
npy_mean = arr[]
np.save( sys.argv[] , npy_mean )
将其保存为convert_mean.py，调用
sudo python convert_mean.py mean.binaryproto mean.npy
得到python下的文件mean.npy
参考：http://www.cnblogs.com/denny402/p/5102328.html
http://blog.csdn.net/hyman_yx/article/details/51732656
3、caffe.proto
在2中，出现了caffe.proto，其中定了很多结构化的数据，比如conv层啊，pool层啊。Protobuf是用于数组存储和交换的，
比如一部分写数据进行存储，另一部分进行读写，为了方便操作，将其定义共同的结构化据。
具体可参考:http://blog.csdn.net/qq_16055159/article/details/45115359/