参考：http://www.cnblogs.com/denny402/p/5083300.html
上述主要介绍的是从自己的原始图片转为lmdb数据，再到训练、测试的整个流程（另外可参考薛开宇的笔记）。
用的是自带的caffenet(看了下结构，典型的CNN)，因为没有GPU，整个过程实在是太慢了，因此我将其改为二分类，只留3，4两类训练测试
训练时两类各80张，共160张；测试时两类各20张，共40张。
首先看下solver.prototxt配置文件中各参数的含义
net: "examples/mnist/lenet_train_test.prototxt" //设置网络模型
test_iter: 100 //测试批次,与batch_size结合来看
test_interval: 500 //每训练500次测试一次
base_lr: 0.01 //基出学习率
momentum: 0.9 //上一次梯度更新权重
type: SGD//优化算法
weight_decay: 0.0005//权重衰减，防止过拟合
lr_policy: "inv"//学习率的变化方式
gamma: 0.0001//学习率变化的比率
power: 0.75 //指数
display: 20 //每训练20次显示一次
max_iter: 1000 //最大迭代次数
snapshot: 1000 //每迭代将训练的model和solver状态进行保存
snapshot_prefix: "examples/mnist/lenet"
solver_mode: CPU
还需修改train_val.proto中的data layer(train,test)。因为是二分类，因此需要将train_val.proto中的InnerProduct层
（全连接层，即输出层）的输出改为2。
第一次训练时，默认输出1000个类别忘了改，max_iter设为100，没多久就跑出来了，但跑出来的准确率为0。
第二次改完后，max_iter增加到1000，电脑几乎卡顿，等会看实验结果。
21：29，目前迭代了40次，准确率还是0，loss稍微降了点（估计得跑一夜了。。。）
22：15，目前迭代了60次，准确率为0，loss由开如的3点多降到了2.7左右。。。