caffe命令行解析

caffe提供三种接口，一般是c++、python、matlab。一般可执行文件都是放在 ./build/tools/ 文件夹内，在命令行执行命令必须现在该目录下。（也有可能不在说不定在别的地方，找caffe.exe就对了）
caffe的命令形式如下

 caffe <command> <args>

其中的command有这样四种：

• train 训练或finetune模型（model),
• test 测试模型
• device_query 显示gpu信息
• time 显示程序执行时间

---

其中的args参数有：
-solver solver文件路径

caffe train -solver examples/mnist/lenet_solver.prototxt

-gpu 那一块gpu
-snapshot 快照记录当前状态

caffe train -solver examples/mnist/lenet_solver.prototxt -snapshot examples/mnist/lenet_iter_5000.solverstate

-weights 用预先训练好的权重来fine-tuning模型，需要一个caffemodel

caffe train -solver examples/finetuning_on_flickr_style/solver.prototxt -weights models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel

-iteration 迭代次数，默认为50
-model 定义在protocol buffer文件中的模型，也可以在solver中选定
-sighup_effect 用来设定当程序发生挂起事件时，执行的操作，可以设置为snapshot, stop或none, 默认为snapshot
-sigint_effect 用来设定当程序发生键盘中止事件时（ctrl+c), 执行的操作，可以设置为snapshot, stop或none, 默认为stop

---

test
之前讲的是train命令的参数设置，其实很多都是通用的，train之后

caffe test -model examples/mnist/lenet_train_test.prototxt -weights examples/mnist/lenet_iter_10000.caffemodel -gpu 0 -iterations 100

意思是利用训练好了的权重（-weight)，输入到测试模型中(-model)，用编号为0的gpu(-gpu)测试100次(-iteration)。

time
用于显示程序运行的时间，

caffe time -model examples/mnist/lenet_train_test.prototxt -iterations 10

这里是lenet 在训练迭代十次之后所用的时间。

device_query
用来诊断gpu信息

caffe train -solver examples/mnist/lenet_solver.prototxt -gpu all

没啥好说的，挺简单。