我修改了 MNIST 示例，并用我的三个图像类别进行训练，得到的准确率为91%。然而，当我使用部署 prototxt 文件和标签文件修改C++ 示例，并尝试在一些图像上进行测试时，无论我输入什么图像，它都返回第二个类别（1个圆圈）的预测，概率为1.0，即使是训练集中使用的图像也是如此。我尝试了十几张图像，结果始终预测为同一类别。

为了澄清，在我修改的 C++ 示例中，我确实对要预测的图像进行了缩放，就像训练阶段对图像进行的缩放一样：

img.convertTo(img, CV_32FC1);img = img * 0.00390625;

如果这样做是正确的，那么我怀疑我在deploy_arch.prototxt文件中计算概率的输出层是否出了问题。

回答：

我认为你在分类时忘记了缩放输入图像，正如在 train_test.prototxt 文件的第11行所示。你可能需要在你的 C++ 代码中某个地方乘以这个因子，或者 alternatively 使用 Caffe 层来缩放输入（可以考虑使用 ELTWISE 或 POWER 层来实现）。

编辑：

在评论中的对话后，发现 classification.cpp 文件中错误地减去了图像均值，而在原始的训练/测试流程中并没有减去图像均值。