我有一个预先训练好的网络，我想用它来测试我的数据。我使用.prototxt定义了网络体系结构，我的数据层是一个自定义Python层，它接收带有我的数据路径和标签的.txt文件，对其进行预处理，然后提供给网络。
在网络的最后，我有一个自定义Python层，它可以获得网络和标签（来自第一层）的类预测，并打印，例如，所有批次的准确性。
我希望在所有示例都通过网络之前运行网络。
但是，在搜索测试网络的命令时，I've found：
caffe test -model architecture.prototxt -weights model.caffemodel -gpu 0 -iterations 100
如果我没有设置-iterations，它会使用默认值（50）。
你们有没有人知道如何在不设置迭代次数的情况下运行caffe测试？
非常感谢你的帮助！
答案 0 :(得分：1)
不，Caffe没有办法检测到它只运行了一个纪元（使用每个输入向量一次）。您可以编写验证输入例程来执行此操作，但Caffe希望您提供数量。这样，您可以为各种验证数据集生成易于比较的结果。但是，我同意这是一个方便的功能。
缺乏此功能可能与缺乏培训和插页测试有关。 在培训中，我们调整超参数以获得给定应用程序的最准确模型。事实证明，这更依赖于 TOTAL_NUM 而不是时代数量（给定足够大的训练集）。
使用固定的训练集，我们经常将图形精度（y轴）与时期（x轴）进行对比，因为在我们调整批量大小时，这会产生易处理的结果。但是，如果我们将训练集的大小减半，那么最具可比性的图表将在 TOTAL_NUM 而不是纪元数字上进行缩放。
此外，通过限制测试集的大小，我们可以避免在培训期间长时间等待反馈。例如，在针对ImageNet数据集（1.2M图像）的训练中，我通常测试大约1000个图像，通常每个时期不超过5次。