保存训练log：
method 1：$ sudo GLOG_logtostderr=0 GLOG_log_dir='xxx/xxx/xxx/' build/tools/caffe train -solver=xxx/xxx/solver.prototxt ’xxx/xxx/xxx/‘表示你所保存的log文件所在位置。 训练完成后发现在我们保存的目录xxx/xxx/xxx/下生成了两个上锁log文件caffe.INFO和caffe.ubuntu.root.log.INFO.20170611-103712.5383。点击打开后我们可以看到我们所训练的日志文件。
method 2： $ ./build/tools/caffe train -solver=/home/xxx/solver.prototxt 2>&1 | xxx/resnet-18.log
用log日志绘制accuary loss曲线图：
caffe已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh 和caffe-master/tools/extra/extract_seconds.py还有 caffe-master/tools/extra/plot_training_log.py.example;拷贝以上文件到当前训练模型的目录下。
然后我们到你保存的log文件目录下将1中保存的log文件解锁，解锁命令：sudo chmod -R 777 文件路径
解锁后我们就可以更改该log文件名为xxx.log（注意：要画图一定是.log文件，所以不改名不可以画）。
然后复制该xxx.log文件到你训练模型所在目录下。
然后就可以利用命令画图了：在模型所在目录下命令： ./plot_training_log.py.example y xxx.png xxx.log xxx.png是你保存的绘制出的图片名称，xxx.log是你保存的log文件名称。其中y具体解释如下：
y的数字代表意义（0~7）：
Supported chart types: 0: Test accuracy vs. Iters (准确率与迭代次数图）
1: Test accuracy vs. Seconds （准确率与时间图）
2: Test loss vs. Iters （测试损失与迭代次数图）
3: Test loss vs. Seconds （测试损失与时间图）
4: Train learning rate vs. Iters （学习率与迭代次数图）
5: Train learning rate vs. Seconds （学习率与时间图）
6: Train loss vs. Iters （训练损失与迭代次数图）
7: Train loss vs. Seconds （训练损失与时间图）
运行后生成的文件有：log-data.log.test和log-data.log.train和xxx.png