首先將caffe的根目錄作為當前目錄，然後載入caffe程式自帶的小貓，並顯示。
大小為360x480，三通道
開啟examples/net_surgery/conv.prototxt檔案，修改兩個地方
一是將input_shape由原來的是（1，1，100，100）修改為(1,3,100,100),即由單通道灰度圖變為三通道彩色圖。
二是將過濾器個數(num_output)由3修改為16，多增加一些filter, 當然保持原來的數不變也行。
其它地方不變，修改後的prototxt如下：只有乙個卷積層
in [2]:
! cat examples/net_surgery/conv.prototxt# ****** single-layer network to showcase editing model parameters.
name: "convolution"
input: "data"
input_shape
layer
bias_filler
}}
顯示的時候要注意各維的順序，如blobs的順序是(1,3,360,480),從前往後分別表示1張，3三個通道，
大小為360x480，需要呼叫transpose改變為(360,480,3)才能正常顯示。
其中用data[0]表示第一張，下標從0開始，此例只有一張，因此只能是data[0].
分別用data[0,0],data[0,1]和data[0,2]表示該的三個通道。
in [3]:
net = caffe.net('examples/net_surgery/conv.prototxt', caffe.test)
im_input=im[np.newaxis,:,:,:].transpose(0,3,1,2)
print "data-blobs:",im_input.shape
net.blobs['data'].reshape(*im_input.shape)
net.blobs['data'].data[...] = im_input
plt.imshow(net.blobs['data'].data[0].transpose(1,2,0))
plt.axis('off')
data-blobs: (1, 3, 360, 480)(-0.5, 479.5, 359.5, -0.5)in [4]:
plt.rcparams['image.cmap'] = 'gray'
def show_data(data,head,padsize=1, padval=0):
data -= data.min()
data /= data.max()
# force the number of filters to be square
n = int(np.ceil(np.sqrt(data.shape[0])))
padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) + ((0, 0),) * (data.ndim - 3)
data = np.pad(data, padding, mode='constant', constant_values=(padval, padval))
# tile the filters into an image
data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1)))
data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:])
plt.figure()
plt.title(head)
plt.imshow(data)
plt.axis('off')
呼叫forward()執行卷積操作，blobs資料發生改變。由原來的(1,3,360,480)變為（1，16，356，476）。
並初始化生成了相應的權值，權值資料為(16,3,5,5)。
最後呼叫兩次show_data來分別顯示權值和卷積過濾後的16通道。
參考文獻：
caffe學習筆記14 初識資料視覺化
1.首先將caffe的根目錄作為當前目錄，然後載入caffe程式自帶的小貓，並顯示。大小為360x480，三通道 對輸入 進行解析 import numpy as np 調入numpy程式，調入後名字為np import matplotlib.pylot as plt 調入matplotlib.py...
《資料探勘》學習筆記 認識資料 2
一 資料的基本統計描述 資料的基本統計描述是為了從資料的統計結果中了解資料的大體特徵，方便對資料進行分類 梳理。其中統計的主要內容包括中心趨勢度量 資料散布度量。其中中心趨勢度量主要討論的內容有均值 中位數 眾數和中列數 資料散布度量主要的內容是資料的極差 四分位數 四分位極差 五數概括 和盒圖。二...
caffe學習筆記（1） 資料層定義
要執行caffe，需要mode train val.prototxt 和solver solver.prototxt 組成。model由多個layer構成，每一layer有許多引數，所有的引數都定義在caffe.proto這個檔案中。層有很多種型別，比如data，convolution，poolin...