利用已有模型作为初始参数，融入收集到的人脸图像，对模型进行finetune处理，实现人脸识别的功能
caffe团队用imagenet图片进行训练，迭代30多万次，训练出来一个model。这个model将图片分为1000类，应该是目前为止最好的图片分类model了。一般来说，深度学习都需要上万张数据样本，如果我们想对自己的图片进行分类，但是样本量不多就几百张，训练出来的模型精度会很低，因此就可以利用别人训练好的模型参数当成我们的初始化参数。
使用别人训练好的参数，必须有一个前提，那就是必须和别人用同一个network，因为参数是根据network而来的。当然，最后一层，我们是可以修改的，因为我们的数据可能并没有1000类，而只有几类。我们把最后一层的输出类别改一下，然后把层的名称改一下就可以了。最后用别人的参数、修改后的network和我们自己的数据，再进行训练，使得参数适应我们的数据，这样一个过程，通常称之为微调（fine tuning).
数据集准备
准备数据，利用网上的一组淘宝数据，10个商品类1000张图片，每个类100张，当然你也可以根据自己的需要搜集自己想要识别的图片集，下载地址，百度网盘：https://pan.baidu.com/s/1o77w1wI
在caffe/examples文件夹下新建文件夹myfile4，并在myfile4中新建文件夹data用于存放我们的数据集，将下载的数据集中train和val文件复制到data中，