fine turning微调网络

1. 准备新数据的数据库（如果需要用mean file,还要准备对应的新的mean file）, 具体方法和图片转换lmdb方式一样。
2. 调整网络层参数：
将来训练的网络配置prototxt中的数据层source换成新数据的数据库。
调整学习率，因为最后一层是重新学习，因此需要有更快的学习速率相比较其他层，因此我们将，weight和bias的学习速率加快。
3. 修改solver参数
原来的数据是从原始数据开始训练的，因此一般来说学习速率、步长、迭代次数都比较大，fine turning微调时，因为数据量可能减少了，所以一般来说，test_iter,base_lr,stepsize都要变小一点，其他的策略可以保持不变。
4. 重新训练时，要指定之前的权值文件：
# caffe train --solver [新的solver文件] --weights  [旧的caffemodel]