Caffe 學習系列 Caffe學習系列(12)：訓練和測試本身的圖片

學習列表：

Google protocol buffer在windows下的編譯

caffe windows 學習第一步：編譯和安裝（vs2012+win 64)

caffe windows學習：第一個測試程序

Caffe學習系列(1)：安裝配置ubuntu14.04+cuda7.5+caffe+cudnn

Caffe學習系列(2)：數據層及參數

Caffe學習系列(3)：視覺層（Vision Layers)及參數

Caffe學習系列(4)：激活層（Activiation Layers)及參數

Caffe學習系列(5)：其它經常使用層及參數

Caffe學習系列(6)：Blob,Layer and Net以及對應配置文件的編寫

Caffe學習系列(7)：solver及其配置

Caffe學習系列(8)：solver優化方法

Caffe學習系列(9)：運行caffe自帶的兩個簡單例子

Caffe學習系列(10)：命令行解析

Caffe學習系列(11)：圖像數據轉換成db（leveldb/lmdb)文件

Caffe學習系列(12)：訓練和測試本身的圖片

Caffe學習系列(13)：數據可視化環境（python接口)配置

Caffe學習系列(14)：初識數據可視化

Caffe學習系列(15)：計算圖片數據的均值

Caffe學習系列(16)：caffemodel可視化

Caffe學習系列(17)：模型各層數據和參數可視化

Caffe學習系列(18): 繪製網絡模型

Caffe學習系列(19): 繪製loss和accuracy曲線

Caffe學習系列(20)：用訓練好的caffemodel來進行分類

Caffe學習系列(21)：caffe圖形化操做工具digits的安裝與運行

Caffe學習系列(22)：caffe圖形化操做工具digits運行實例

Caffe學習系列(23)：如何將別人訓練好的model用到本身的數據上

caffe的python接口學習（1）：生成配置文件

caffe的python接口學習（2）：生成solver文件

caffe的python接口學習（3）：訓練模型（training)

caffe的python接口學習（4）：mnist實例---手寫數字識別

caffe的python接口學習（5）：生成deploy文件

caffe的python接口學習（6）：用訓練好的模型（caffemodel）來分類新的圖片

caffe的python接口學習（7）：繪製loss和accuracy曲線

caffe的python接口學習（8）：caffemodel中的參數及特徵的抽取