我与Caffe合作，并且有兴趣比较我的训练和测试错误，以确定我的网络是否过度拟合或不合适。但是，我似乎无法弄清楚如何让Caffe报告训练错误。它将显示训练损失（在批次上计算的损失函数的值），但这在确定网络是否过度拟合/欠拟合时无效。有这么简单的方法吗？
我使用Python界面加入Caffe（pycaffe）。如果我可以以某种方式访问原始训练集，我可以通过前进传递批量并评估结果。但是，我似乎无法弄清楚如何访问超过当前处理批次的培训数据。这可能吗？我的数据采用LMDB格式。
答案 0 :(得分：1)
在train_val.prototxt文件中，将source阶段中的TEST更改为指向训练LMDB数据库（默认情况下，它指向验证LMDB数据库），然后运行以下命令：
$ ./build/tools/caffe test -solver models/bvlc_reference_caffenet/solver.prototxt -weights models/bvlc_reference_caffenet/<caffenet_train_iter>.caffemodel -gpu 0