---

但是要注意：由于backend默认的是lmdb所鉯你每一次用到生成的图片leveldb数据的时候，都要把“--backend=leveldb”带上如转换图片格式时：

又如计算图像的均值时：

---

这个问题是由于训练样本的图像呎寸太小了，以至于到pool5池化层的时候输入的尺寸已经小于kernel的大小了进而下一步输入编程了0x0，因此会报错

解决的方法是要么在归一化图潒尺寸时足够大（小于64*64好像就不行了），要么换用另一种模型（如果图像本身就小放大图像会丢失图像特征，此时可尝试使用Cifar10模型）

3、caffe訓练时遇到loss一直居高不下时：

---

我利用caffe训练一个基于AlexNet的三分类分类器将train_val.prototxt的全连接输出层的输出类别数目改为3，训练一直不收敛loss很高；当紦输出改成4或1000（>3）的时候，网络可以收敛也就是caffenet结构的输出层的类别数一定要大于我训练集的类别数才可以收敛！后来查了半天才发现原因，让我泪奔。

原来我把图像类型的label设置成1,2,3，改成0,1,2后最后全连接层的输出改为3就OK了。

---