此篇为了记录过程如题。
linux下配置编译caffe网上资源很多。在make runtest和import caffe成功后进行本文的实验。下载数据： cd ~/caffe/ ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh 修改配置： cd ~/caffe/ sudo gedit ./examples/mnist/lenet_solver.prototxt 修改：solver_mode: CPU 训练模型： cd ~/caffe/ ./examples/mnist/train_lenet.sh（log顺便记录下，下部分有）
结果可视化： caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh caffe-master/tools/extra/extract_seconds.py和 caffe-master/tools/extra/plot_training_log.py.example ，使用方法如下： （1）新建自己的log文件，注意目录对应。在caffe下mkdir log； 在训练过程中的命令中加入一行参数 ，实现Log日志的记录：gedit ./examples/mnist/train_lenet.sh 写入： LOG=log/train-date +%Y-%m-%d-%H-%M-%S.log CAFFE=~/caffe/build/tools/caffe ./build/tools/caffe train –solver=examples/mnist/lenet_solver.prototxt 2>&1 | tee LOG @ （2）解析训练日志 将最上面说的3个脚本文件拷贝到Log 文件夹下. ./parse_log.sh caffe.log (自己的名字) 后面的参数为log文件名，这样就会在当前文件夹下生成一个.train文件和一个.test文件 （3）生成图片 ./plot_training_log.py.example 2 save.png caffe.log 就可以生成训练过程中的Test accuracy vs. Iters 曲线,其中0代表曲线类型， save.png 代表保存的图片名称。 caffe中支持很多种曲线绘制，通过指定不同的类型参数即可，具体参数如下：
Notes: 1. Supporting multiple logs. 2. Log file name must end with the lower-cased “.log”. Supported chart types: 0: Test accuracy vs. Iters 1: Test accuracy vs. Seconds 2: Test loss vs. Iters 3: Test loss vs. Seconds 4: Train learning rate vs. Iters 5: Train learning rate vs. Seconds 6: Train loss vs. Iters 7: Train loss vs. Seconds
