怎么使用 Caffe 进行 LetNet-5 的训练和预测

在 LeNet5的深入解析 我们已经对 LetNet-5 网络结构做出了详细的描述，接下来我们将深入分析 Caffe 中怎么使用 LetNet-5 的这个模型进行预测。
Caffe 中关于 LetNet-5 的实现文件主要存放于
https://github.com/BVLC/caffe/tree/master/examples/mnist

第一步是进行 Caffe 的安装

接着看看在 Caffe 中怎么用 LetNet-5 进行训练和测试，整个流程如下：（先cd到 Caffe 的根目录下）
1）下载 minist 数据的命令：
$ cd data/mnist
$ ./get_mnist.sh
这个脚本主要内容是从 http://yann.lecun.com 上下载 mnist 训练和测试数据，并解压

2）将下载的数据转换为 Caffe 能识别的数据格式 LEVELDB 或 LMDB，对应的命令为：
$ ./examples/mnist/create_mnist.sh
上面的脚本调用了 build/examples/mnist/convert_mnist_data.bin这个可执行程序，对应的源文件为 convert_mnist_data.cpp
完成之后，在目录 examples/mnist 发现生成了 examples/mnist/mnist_train_\ lmdb/ (对应训练集) 和 examples/mnist/mnist_test_lmdb/ （对应测试集或验证集）两个目录，每个目录下都有两个文件： data.mdb和lock.mdb

3）定义 LetNet-5 网络模型，在 lenet.prototxt 中描述了广义的LetNet-5网络层设置，在 lenet_train_test.prototxt 中描述了 LetNet-5 训练和 测试时各网络层的设置。大致是差不多的，就是有些细节不一样。

4）有了网络模型，在训练前我们还需要指定一些训练参数，在lenet_solver.prototxt 中实现该功能的。这个文件最后一行是 GPU，如果没有GPU，需要改为CPU。不然报错

5) 现在我们有了训练数据、网络模型、指定了相关训练参数，可以开始训练网络 LetNet-5 了，使用下面的命令：
$./examples/mnist/train_lenet.sh，训练完成之后，我们得到了一个关于 LetNet-5 在 mnist 数据上的模型 caffemodel

train_lenet.sh:
./build/tools/caffe train -solver=examples/mnist/lenet_solver.prototxt

6）使用训练好的模型对数据进行预测，运行下面的代码：
$ ./build/tools/caffe.bin test \
-model examples/mnist/lenet_train_test.prototxt \
-weights examples/mnist/lenet_iter_10000.caffemodel \
-iterations 100

命令行解释：
./build/tools/caffe.bin test，表示只做预测（前向传播计算），不进行参数更新（后向传播计算）
-model examples/mnist/lenet_train_test.prototxt，指定模型描述文本文件
-weights examples/mnist/lenet_iter_10000.caffemodel 指定模型预先训练好的权值文件
-iterations 100，指定测试迭代次数，参与侧测试的样本数目为
（iterations*batch_size）, test batch 设置为 100， 所以iterations =100时，刚好覆盖 10000个测试样本。

后续我们将对模型文件进行深入解析