版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/xueyingxue001/article/details/54912595
以googlenet 为例：
假设:
训练集：1281167
测试集：50000
类别数：1000
1, cd ${caffe_directory}/models/bvlc_googlenet/
2, vim solver.prototxt
3, vstrain_val.prototxt，效果如下图所示：
4，修改source。
5，调整train_val.prototxt中训练层的batch_size，一般只要保证solver.prototxt中的test_interval乘上的结果要小于等于训练集数量就可，具体数值可以自定义.
6，一般为了保证测试时用到了所有的测试图片，所以需要保证solver.prototxt中的test_iter乘上train_val.prototxt中测试层的batch_size的结果要大于测试集数量，而原来的 test_iter * batch_size 正好等于 50000，所以不用改了，当然乘积小于测试集的数量有时也可以。
7，因为有1000个种类，所以检查下图的三处，确认num_output是1000.(PS：因为googlenet有三个损失层，所以改3个)
之后就可以训练了。