怎么把网络各个层的特征保存成数据呢？以我们经典的minist例子开始，在上一篇博客生成模型的基础上提取minis的卷积1层为例。
一：
先编译好caffe，生成build。
二：参考 http://blog.csdn.net/ture_dream/article/details/77100115训练minist模型
三：
输入
./build/tools/extract_features.bin \ //可执行程序
examples/mnist/lenet_iter_10000.caffemodel \ //预训练的网络，×.caffemodel
examples/mnist/lenet.prototxt \ //描述文件××.prototxt
conv1 \ //需要提取的层
myconv1 \ //保存的特征名
10 \ //做特征提取的数据批量数目
lmdb \ //输入数据的格式，lmdb/leveldb
GPU \ //cpu/gpu
1 //如果用GPU，则选择设备编号
四：报错
GPU不行，现用CPU模式：
./build/tools/extract_features.bin examples/mnist/lenet_iter_10000.caffemodel examples/mnist/lenet.prototxt conv1 myconv1 10 lmdb CPU
五： success：
思考：GPU为啥出错，因为就一个GPU，序号是0
./build/tools/extract_features.bin examples/mnist/lenet_iter_10000.caffemodel examples/mnist/lenet.prototxt ip1 myip1 100 lmdb GPU 0
为什么上面640，这次6400张图片。
试了几次，发现minibatch是64，做特征提取的数据批量数目10时是64*10=640,100时6400