机器学习14:Caffe实现卷积神经网络操作流程整理
（1）caffe的卷积神经网络操作总流程：
1）数据格式化处理：图片的打标和打包；
2）编写网络结构文件：.prototxt文件，定义模型的网络结构，如层数/各层的特征图数/输入输出等。
3）编写网络求解文件：solver.prototxt文件，设置求解网络/梯度下降参数/迭代次数等参数。网络求解文件的输入是上一步定义的网络结构。
4）训练模型：将网络求解文件作为caffe的输入参数，调用caffe的可执行文件进行训练。
（2）文件调用过程总结：
首先，caffe 可执行文件调用solver.prototxt网络求解文件；
其次，网络求解文件调用网络结构文件；
然后，网络结构文件中调用输入的训练数据图片。
因此，训练自己的caffe模型，需要准备三个文件：数据文件（lmdb）/网络结构文件（.prototxt)/网络求解文件（solver.prototxt）。
（3）lmdb数据格式的生成：
在caffe---example---imagenet文件夹下的一些脚本文件，如create_imagenet.sh可以帮助快速生成caffe需要的一些数据,只需要把脚本文件复制出来，稍作修改，就可以对训练图片/标注文件打包为lmdb文件。
同时需要创建四个文件：
1.文件夹train用于存放训练图片；
2.文件夹val用于存放验证图片；
3.文件train.txt用于包含每张图片的名称和对应的标签；
4.文件val.txt用于保存图片名称和对应标签。
