caffe 进行自己的imageNet训练分类：loss一直是87.3365,accuracy一直是0
解决方法： http://blog.csdn.net/jkfdqjjy/article/details/52268565?locationNum=14
知道了原因，解决时就能对症下药。总体上看，softmax输入的feature由两部分计算得到：一部分是输入数据，另部分是各层权重参数。
1、观察数据中是否有异常样本或异常label导致数据读取异常
2、调小初始化权重，以便使softmax输入的feature尽可能变小
3、降低学习率，这样就能减小权重参数的波动范围，从而减小权重变大的可能性。这条也是网上出现较多的方法。
4、如果有BN（batch normalization）层，finetune时最好不要冻结BN的参数，否则数据分布不一致时很容易使输出值变的很大。
具体做法可参照以下三点：
http://blog.csdn.net/hyqsong/article/details/51933255
1.标签的问题：
图像分类的标签label一定要从0开始，针对N分类问题，标签需设置为0,1,2,3,4,...,N-1。
2.分类层的num_output和标签的值域不符合:
由于Alexnet网络是进行1000类的分类任务，而我需要进行五分类，所以就要把train_val.prototxt文件里的最后一层的全连接层‘fc8’的InnerProduct的分类层数num_output: 1000，改为5，这个设成自己label的类别总数就可以。
3.可能是学习率太高
另外如果是最初的迭代的loss很小，然后突然变成87.3365？如果是这样，可以尝试一下调低学习率，我开始学习率是0.1,后来调成了0.001，反正就是调小，可以多试几次。