# 訓練設定
# 使用GPU
caffe.set_device(gpu_id) # 若不設定,預設為0
caffe.set_mode_gpu()
# 使用CPU
caffe.set_mode_cpu()

# 載入Solver，有兩種常用方法
# 1. 無論模型中Slover型別是什麼統一設定為SGD
solver = caffe.SGDSolver('/home/xxx/data/solver.prototxt') 
# 2. 根據solver的prototxt中solver_type讀取，預設為SGD
solver = caffe.get_solver('/home/xxx/data/solver.prototxt
 
')

# 訓練模型
# 1.1 前向傳播
solver.net.forward()  # train net
solver.test_nets[0].forward()  # test net (there can be more than one)
# 1.2 反向傳播,計算梯度
solver.net.backward()
# 2. 進行一次前向傳播一次反向傳播並根據梯度更新引數
solver.step(1)
# 3. 根據solver檔案中設定進行完整model訓練
solver.solve()

如果想在訓練過程中儲存模型引數，呼叫

solver.net.save('mymodel.caffemodel
 
')