如何利用caffe自带的工具包绘制accuracy/loss曲线
caffe程序自带有一张小猫图片（caffe/examples/images/cat.jpg）， 如果我们想用一个训练好的caffemodel来对这张图片进行分类，那该怎么办呢？ 如果不用这张小猫图片，换一张别的图片，又该怎么办呢？如果学会了小猫图片的分类，那么换成其它图片，程序实际上是一样的。作者在此处找了一些斑马（zebra），蚂蚁（ant）等jpg格式数据也进行了测试。
要进行图片的分类，这个caffemodel是最好不过的了。所以，不管是用c++来进行分类，还是用python接口来分类，我们都应该准备这样三个文件：
1、caffemodel文件。
可以直接在浏览器里输入地址下载，也可以运行脚本文件下载。下载地址为：http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
文件名称为：bvlc_reference_caffenet.caffemodel，文件大小为230M左右，为了代码的统一，将这个caffemodel文件下载到caffe根目录下的 models/bvlc_reference_caffenet/ 文件夹下面。也可以运行脚本文件进行下载：
sudo ./scripts/download_model_binary.py models/bvlc_reference_caffenet
2、均值文件。
有了caffemodel文件，就需要对应的均值文件，在测试阶段，需要把测试数据减去均值。这个文件我们用脚本来下载，在caffe根目录下执行：
sudo sh ./data/ilsvrc12/get_ilsvrc_aux.sh
执行并下载后，均值文件放在 data/ilsvrc12/ 文件夹里。
3、synset_words.txt文件
在调用脚本文件下载均值的时候，这个文件也一并下载好了。里面放的是1000个类的名称。
data/ilsvrc12文件夹中的除get_ilsvrc_aux.sh，新生成了8个文件，见下图：
数据准备好了，我们就可以开始分类了，在这里只进行了c++方法进行测试，python方法后续更新
在caffe根目录下的 examples/cpp-classification/ 文件夹下面，有个classification.cpp文件，就是用来分类的。在编译之后，放在/build/examples/cpp_classification/ 下面，详情见下图：
我们就直接运行命令：
sudo ./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel data/ilsvrc12/imagenet_mean.binaryproto data/ilsvrc12/synset_words.txt examples/images/cat.jpg
命令很长，用了很多的\符号来换行。可以看出，所需文件有deploy.prototxt caffemodel mean.binaryproto synset_word.txt 以及jpg数据
运行成功后，输出结果为：
即有0.3134的概率为tabby，tabby cat；有0.2380的概率为tiger cat ......
本人在网上找来一推jpg格式数据进行测试（需为synset_word.txt中所拥有的分类），此处以ant，zebra为例进行演示：
将蚂蚁（ant.jpg），斑马(zebra.jpg)的图像下载好后，置于caffe/examples/images中
我们先测试蚂蚁：
sudo ./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel data/ilsvrc12/imagenet_mean.binaryproto data/ilsvrc12/synset_words.txt examples/images/ant.jpg
即有0.5728的概率为ant，emmet，pismire；有0.4023的概率为black widow，Latrodectus mactans ......
继续进行测试斑马：
sudo ./build/examples/cpp_classification/classification.bin \models/bvlc_reference_caffenet/deploy.prototxt models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel data/ilsvrc12/imagenet_mean.binaryproto data/ilsvrc12/synset_words.txt examples/images/zebra.jpg
运行成功后，输出结果为：
即有0.9983的概率为zebra；有0.0004的概率为park bench.........
——————本人深度学习笔记，谢谢参考