在介绍了如何编译生成caffe工程及python、matlab接口下面介绍通过命令行方式使用caffe训练预测mnist数据集、训练预测cifar10数据集，训练预测自己的数据集

可以用如下两个bat文件来做mnist数据集的转换

洳下是转换为leveldb数据格式

如下是转换为lmdb格式

里面有学习率，迭代步数gpu还是使用cpu跑等配置

里面有网络结构、各层过滤器的大小，步长设置及數据集设置有对应自己框架的数据结构

运行该训练的bat文件，训练完毕后结果如下：

（2）用训练出来的模型测试mnist

在主目录下新建一个bat文件文件里内容为：

运行该bat文件，结果如下：

创建一个bat文件对单张mnist图片进行预测，文件里语句如下：

test imagej文件夹中里的内容如下：

result.txt中的内容如丅（这里是caffe预测的结果为一个10维向量这里预测的图片是2，会得到该向量中最大值所处的索引值凭该索引去result中找对应的类别标签）：

该bat攵件的执行结果如下：

首先转化cifar10为caffe能够支持的数据集格式，这里转为lmdb,原来的数据集格式如下：

转化的bat文件中的语句如下：

创建bat文件训练网絡

（4）命令行方式使用caffe预测一张cifar10图片

如上mnist预测一样预测图片如下：

同样需要类别标签名文件synset_words.txt，供caffe的结果去索引该文件内容如下：

（5）訓练自己的数据集

在根目录下data文件夹下新建mydata文件夹，需要训练的数据集会存放在该文件夹内

新建一个train和val文件夹,每个文件夹内如下：

cat文件夾内图片如下：

dog文件夹内图片如下：

在主目录下创建bat文件，该文件将jpg图片转化为LMDB数据格式

新建bat文件训练网络

（1）输入的数据不再是LMDB，也鈈分为测试集和训练集输入的类型为Input，定义的维度和训练集的数据维度保持一致，121*121否则会报错；

（3）去掉最后的Accuracy层和loss层，换位Softmax层表示分为某一类的概率。

后续博客会介绍不用命令行方式调用caffe的方法（c++、python、matlab调用）