caffe （5） 命令行解析

caffe提供三种接口：c++（命令行）， python， matlab。如何使用常用的命令呢？

caffe的c++主程序caffe.cpp放在～/caffe/tools/文件夹内，在编译caffe时生成了可执行文件在～/caffe/build/tools/中，当然还有一些其它的功能文件，如：convert_imageset.cpp, train_net.cpp, test_net.cpp等也放在这个文件夹内。

caffe的命令行格式如下，

caffe <command> <args>

其中command有四种：

• 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

arg参数有：

• -solver
• -gpu
• -snapshot
• -weights
• -iteration
• -model
• -sighup_effect
• -sigint_effect

下面详细介绍不同参数代表的意义

（1）-solver 指定模型的配置文件，例如

./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt  

（2）-gpu 指定哪一块gpu来运行，如果是全部则是 -gpu all，例如

./build/tools/caffe train -solver examples/mnist/lenet_solver.prototxt -gpu 2

（3）-snapshot:可选参数。该参数用来从快照（snapshot)中恢复训练，例如

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

（4）-weights:可选参数。用预先训练好的权重来fine-tuning模型，需要一个caffemodel，不能和-snapshot同时使用。如：

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

（5）-iterations: 可选参数，迭代次数，默认为50

（6）-model： 可选参数，定义为protocal buffer中的模型

（7）-sighup_effect：可选参数。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

（8）-sigint_effect: 可选参数。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参数测试模型

可以在模型配置文件中定义输入为accuracy还是loss，如果要验证已经训练好的模型，则可以用如下命令：

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

time参数显示程序运行时间

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

显示模型迭代10次所用的时间，包括forward和backward所用的时间，也包括每层forwand和backward所用的平均时间。

device_query参数用来诊断gpu信息

./build/tools/caffe device_query -gpu 0

最后，在linux下，本身就有一个time命令，因此可以结合进来使用，因此我们运行mnist例子的最终命令是(一块gpu)：

sudo time ./build/toos/caffe train -solver examples/mnist/lenet_solver.prototxt