caffe 进行自己的imageNet训练分类：

loss一直是87.3365,accuracy 一直是0，可能的原因是：

 

解决方法： http://blog.csdn.net/jkfdqjjy/article/details/52268565?locationNum=14
知道了原因，解决时就能对症下药。总体上看，softmax输入的feature由两部分计算得到：一部分是输入数据，另部分是各层权重参数。 
1、观察数据中是否有异常样本或异常label导致数据读取异常 
2、调小初始化权重，以便使softmax输入的feature尽可能变小 
3、降低学习率，这样就能减小权重参数的波动范围，从而减小权重变大的可能性。这条也是网上出现较多的方法。 
4、如果有BN（batch normalization）层，finetune时最好不要冻结BN的参数，否则数据分布不一致时很容易使输出值变的很大。

 

http://blog.csdn.net/hyqsong/article/details/51933255

1. 标签的问题： 

imagelist中，图像分类的标签label一定要从0开始,

• 分类层的 num_output 和 标签的值域 不符合:

  a. 要知道imagenet是进行1000类的分类任务，我自己的数据是一个二分类，就一定要把最后‘fc8’InnerProduct的分类层的num_output: 2原来是1000，这个设成自己label的类别总数就可以。 
  b. 但是注意同时要修改train.prototxt和deploy.prototxt两个网络配置文件中的num_output

• 可能是学习率太高了 
  

  另外如果是最初的迭代的loss很小，然后突然变成87.3365？如果是这样，可以尝试一下调低学习率，我开始学习率是0.1,后来调成了0.001，反正就是调小，可以多试几次。