以mnist数据集为例：
bat训练脚本：
Build\x64\Release\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt
pause
在这个模型的基础上，继续训练。
继续训练之前，也可以修改lenet_solver.prototxt中的学习率。
Build\x64\Release\caffe.exe train --solver=examples/mnist/lenet_solver.prototxt --snapshot=examples/mnist/lenet_iter_1000.solverstate
pause
训练从1000次iterations开始。
用Python脚本启动训练：
import caffe caffe.set_device(int())
caffe.set_mode_gpu() solver = caffe.SGDSolver('.\\examples\\mnist\\lenet_solver.prototxt')
solver.solve()
加载已训练的模型，只用加一句话
import caffe caffe.set_device(int())
caffe.set_mode_gpu() solver = caffe.SGDSolver('.\\examples\\mnist\\lenet_solver.prototxt')
solver.restore('examples\\mnist\\lenet_iter_5000.solverstate')
solver.solve()