以mnist数据集为例：

bat训练脚本：

Buildx64Releasecaffe.exe train --solver=examples/mnist/lenet_solver.prototxt 
pause

　　caffe在solverstate的基础上继续训练模型

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。

Buildx64Releasecaffe.exe train --solver=examples/mnist/lenet_solver.prototxt --snapshot=examples/mnist/lenet_iter_1000.solverstate
pause

　训练从1000次iterations开始。caffe在solverstate的基础上继续训练模型

 

用Python脚本启动训练：

import caffe

caffe.set_device(int(0))
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(0))
caffe.set_mode_gpu()

solver = caffe.SGDSolver('.\examples\mnist\lenet_solver.prototxt')
solver.restore('examples\mnist\lenet_iter_5000.solverstate')
solver.solve()