1、直接訓練

直接訓練比較簡單，幾行程式碼就可以搞定

 import caffe
 caffe.set_device(0)
 caffe.set_mode_gpu()
 #solver root
caffe_root = 'D:/caffe-ssd-microsoft/caffe-ssd-microsoft/' 
solver = caffe.SGDSolver(caffe_root +'../solver.prototxt')
solver.solve() # 直接訓練，直接得到一個最終的訓練model

2、初始權重訓練

如果想在別人的模型上面微調，增加一個solver.net.copy_from函式即可

 import caffe
caffe.set_device(0)
caffe.set_mode_gpu()
#solver root
caffe_root = 'D:/caffe-ssd-microsoft/caffe-ssd-microsoft/' 
solver = caffe.SGDSolver(caffe_root +'../solver.prototxt')
#預設權重，或者從已經訓練好的檔案中重新開始訓練
solver.net.copy_from(caffe_root +'your.caffemodel')
solver.solve() # 直接訓練，直接得到一個最終的訓練model

3、繼續訓練

如果已經訓練到了一半暫停了，想繼續訓練，就增加一個solver.restore函式

import caffe
caffe.set_device(0)
caffe.set_mode_gpu()
#solver root
caffe_root = 'D:/caffe-ssd-microsoft/caffe-ssd-microsoft/' 
solver = caffe.SGDSolver(caffe_root +'.../solver.prototxt')

#載入已訓練的模型，繼續訓練的時候可以使用這個
solver.restore(caffe_root +'your.solverstate')

solver.solve() # 直接訓練，直接得到一個最終的訓練model