1、报错：“db_lmdb.hpp:14] Check failed:mdb_status ==0(112 vs.0)磁盘空间不足。”

这问题是由于lmdb在windows下无法使用lmdb的库，所以要改成leveldb。

但是要注意：由于backend默认的是lmdb，所以你每一次用到生成的图片leveldb数据的时候，都要把“--backend=leveldb”带上。如转换图片格式时：

又如计算图像的均值时：

还有在.prototxt中

data_param {

                      source: "./mysample_val_leveldb"

                      batch_size:

                      backend: LEVELDB     //这个也要改掉的，原来是LMDB

                    }

2、caffe下使用“bvlc_reference_caffenet”模型进行训练时，出现了“Check failed:data_”

这个问题是由于训练样本的图像尺寸太小了，以至于到pool5池化层的时候输入的尺寸已经小于kernel的大小了，进而下一步输入编程了0x0，因此会报错。

解决的方法是要么在归一化图像尺寸时足够大（小于64*64好像就不行了），要么换用另一种模型（如果图像本身就小，放大图像会丢失图像特征，此时可尝试使用Cifar10模型）

3、caffe训练时遇到loss一直居高不下时：

http://blog.sina.com.cn/s/blog_141f234870102w941.html

我利用caffe训练一个基于AlexNet的三分类分类器，将train_val.prototxt的全连接输出层的输出类别数目改为3，训练一直不收敛，loss很高；当把输出改成4或1000（>3）的时候，网络可以收敛。也就是caffenet结构的输出层的类别数一定要大于我训练集的类别数才可以收敛！后来查了半天才发现原因，让我泪奔。。。

原来我把图像类型的label设置成1,2,3，改成0,1,2后，最后全连接层的输出改为3就OK了。

待更新...！