有些用户可能会认为这是一个基于意见的问题，但如果你仔细看，我是想探索Caffe作为一个纯粹的测试平台的使用，而不是目前流行的作为训练平台的使用。
背景：
- 我在Nvidia TK1上使用Jetpack 2.0安装了所有依赖项。
- 我成功安装了caffe及其依赖项。
- MNIST示例运行良好。
任务：
- 我被提供了一个包含所有标准层的卷积网络。（不是开源模型）
- 网络的权重和偏置值等在训练后可用。训练不是通过caffe完成的。（预训练网络）
- 权重和偏置都以MATLAB矩阵的形式存在。（实际上是在.txt文件中，但我可以轻松编写代码将它们转换为矩阵）
- 我不能用caffe训练这个网络，必须仅使用给定的权重和偏置值进行分类。
- 我有自己的数据集，形式为32×32像素的图像。
问题：在所有教程中，都详细说明了如何部署和训练网络，然后使用生成的.proto和.caffemodel文件进行验证和分类。是否可以在这个网络上实现caffe，并直接使用我的权重/偏置和训练集来对图像进行分类？这里有什么可用的选项吗？我是caffe新手，请多关照。谢谢帮助！
回答：
这里唯一的问题是：
如何从文本文件权重初始化caffe网络？
我假设你有一个'deploy.prototxt'来描述网络的架构（层类型、连接性、滤波器大小等）。剩下的唯一问题是如何将caffe.Net的内部权重设置为保存为文本文件的预定义值。
你可以访问caffe.Net的内部，查看net surgery教程，了解如何在python中完成此操作。
一旦你能够根据你的文本文件设置权重，你可以使用net.save(...)将新权重保存到一个二进制的caffemodel文件中，以后可以使用。你不需要训练网络，如果你已经有了训练好的权重，你可以用它来生成预测（“测试”）。
