《智能系统与技术丛书 深度学习实践：基于Caffe的解析》—3.3.3训练脚本的编写

3.3.3　训练脚本的编写

       编写好了solver文件和网络文件之后，接下来就是执行训练的过程了，我们先来看看从头开始训练的命令方法吧，一般是使用随机初始化的方式开始训练。

       以下是随机初始化训练的脚本代码：

./build/tools/caffe train \

    --solver=models/bvlc_reference_caffenet/solver.prototxt \

    --gpu=0,1

Fine-tune

./build/tools/caffe train \

    --solver=models/bvlc_reference_caffenet/solver.prototxt \

   --weights=xx.caffemodel --gpu=0,1

       其中，solver的参数就是我们之前编写的solver.prototxt文件，gpu参数表示使用哪几块gpu来完成我们的任务，后面的Fine.tune是进行模型微调。微调就是使用其他的模型参数进行初始化，这样可以减少我们的训练时间。

       有时候可能会遇到突然断电，或者其他不可控因素导致训练中断，从头开始训练是一件浪费时间的事情，这时候从快照中恢复训练将是一个很好的选择，那么接下来我们一起来看一下如何从快照中恢复，代码如下：

./build/tools/caffe train \

    --solver=models/bvlc_reference_caffenet/solver.prototxt \

    --snapshot=xx.solverstate –gpu=0,1