这里讲一个官方用来分类测试的例子
caffe测试需要至少三个文件：1，测试网络结构deploy.prototxt；2，训练好的网络参数caffemodel；3，用来测试的图像
我们这里测试使用到五个文件，另外两个分别使图像均值文件和类别目录
一，下载caffemodel
在caffe目录下执行：
sudo ./scripts/download_model_binary.py models/bvlc_reference_caffenet
会下载bvlc_reference_caffenet.caffemodel这个权重模型至models/bvlc_reference_caffenet/下
二，下载均值文件和类别目录文件
执行：
sudo sh ./data/ilsvrc12/get_ilsvrc_aux.sh
均值文件和类别目录文件在data/ilsvrc12/目录下
三，调用脚本实现图像分类
在caffe目录下，调用脚本文件classification.bin：
sudo ./build/examples/cpp_classification/classification.bin \
models/bvlc_reference_caffenet/deploy.prototxt \
models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel \
data/ilsvrc12/imagenet_mean.binaryproto \
data/ilsvrc12/synset_words.txt \
examples/images/cat.jpg
在脚本文件中分别载入网络结构，训练好的参数，均值文件，类别目录，测试用的小猫图像。
可以看到输出结果为网络分类最大概率的五种结果：
---------- Prediction for examples/images/cat.jpg ----------
0.3134 - “n02123045 tabby, tabby cat”
0.2380 - “n02123159 tiger cat”
0.1235 - “n02124075 Egyptian cat”
0.1003 - “n02119022 red fox, Vulpes vulpes”
0.0715 - “n02127052 lynx, catamount”
前面的小数为概率，后面的名字为类别。对比原图的猫，可见分类效果还是很不错的
也可以更换其他图像来进行测试，这个模型用来分类的效果还是蛮精确的。
