一、数据集准备
到官网中下载cifar10数据集，如果使用的是c++，那么下载.bin文件。数据集介绍已经很详细了。cifar10数据集官网下载
下载并解压，看到共有6个.bin文件，前面五个是训练集，最后一个是测试集。下载地址为http://www.cs.toronto.edu/~kriz/cifar.html
二、将数据集转成leveldb格式
用vs2015打开项目工程。有一个project是convert_cifar_data。编译这个project，之后会在F:\caffe-windows\caffe-windows\scripts\build\examples\cifar10\Release文件夹下找到convert_cifar_data.exe。 新建两个文件夹，分别命名为input_folder,output_folder。input_folder中放入第一阶段准备好的cifar10数据。output_folder为转换数据之后存储位置。
这里将数据集转成了leveldb格式。
三、计算数据的均值文件
在F:\caffe-windows\caffe-windows\scripts\build\tools\Release中找到compute_image_mean.exe。运行以下cmd命令，生成了mean.binaryproto文件。这个文件即为均值文件。
四、训练cifar10数据集
在examples/cifar10/文件夹中，找到cifar10_quick_trian_test.prototxt。
修改里面的mean_file和source的路径。backend一律改为LEVELDB。
上述命令执行完毕后会生成cifar10_quick_iter_4000.caffemodel以及cifar10_quick_iter_4000.solverstate两个文件，其中cifar10_quick_iter_4000.solverstate将在进一步的训练中使用到，而cifar10_quick_iter_4000.caffemodel.h5模型权值文件可用于数据集的测试（此处可不用，因为还有下面更深层的训练，会生成更深层的模型权值文件cifar10_quick_iter_5000.caffemodel.h5）。
五、测试cifar10数据集
六、进一步训练
七、进一步测试
根据测试结果，可以看出，采用cifar10_quick_iter_5000.caffemodel.h5模型权值文件进行预测时，准确率大于采用cifar10_quick_iter_4000.caffemodel.h5模型权值文件进行预测时的准确率，说明训练样本的多少与训练出来的模型还是有很大关系，这一点非常好理解，学得越多懂得也就越多，碰到新问题解决问题的能力就越强，与人一样。
参考博客：https://www.cnblogs.com/tiansha/p/6458366.html
https://blog.csdn.net/hyqsong/article/details/51713444
https://blog.csdn.net/malvas/article/details/84068173 ssd模型参考