如何利用bing算法训练自己的模型

在MNIST调用已经训练好的模型，测试。

这个测试，假定可能是新加入的测试集，还是按照原来的需求转换，存放数据到指定的位置。

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel -gpu=0

如果没有GPU则使用

./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/lenet_iter_10000.caffemodel

从上面的指令，对应上图。

1、先是test表明是要评价一个已经训练好的模型。

2、然后指定模型prototxt文件铅郑悉，这是一个文本文件，详细描述了网络结构和数据集丛行信息。从mnist下面的train_lenet.sh指定的solver对应于examples/mnist/lenet_solver.prototxt，而lenet_solver.prototxt指定的模型为examples/mnist/lenet_train_test.prototxt。

3、然后在指定模型的具体的权重。刚好为examples/mnist/lenet_iter_10000.caffemodel

在cifar10模型下面调用已经训练好的模型，测试。

同上，是用train_quick.sh训练的。

./槐乎build/tools/caffe.bin test -model=examples/cifar10/cifar10_quick_train_test.prototxt -weights=examples/cifar10/cifar10_quick_iter_5000.caffemodel -gpu=0

1、先是test表明是要评价一个已经训练好的模型。

2、然后指定模型prototxt文件，这是一个文本文件，详细描述了网络结构和数据集信息。从cifar下面的train_quick.sh指定的solver对应于开始的examples/mnist/lenet_solver.prototxt和4000次以后snapshot的examples/cifar10/cifar10_quick_solver_lr1.prototxt，而这两者指定的模型都为cifar10_quick_train_test.prototxt。

3、然后在指定模型的具体的权重。为examples/cifar10/cifar10_quick_iter_5000.caffemodel

英文搜索引擎bing的核心算法是：获得网站网页资料，建立数据库并提供查询的系统，搜隐困手索引擎的数据库是依靠一个叫“灶嫌网络机器人（crawlers）”或叫“网络蜘蛛（Spider）”的软件，通过网络上的各种链接自动获取大量网页信息内容，并按一定的规则分析整理形成的。

bing加上为雅虎提供的搜索技术支持，必应已占据29.3%的市场份额。

扩展资料：

关键词分数：

1、网页title中关键词的处理

2、H标签（h1-h6）中关键词的处理

3、文本内容中关键词的密度

4、外链中关键词的选择

5、域名中的关键词

域名权重：

1、域名注册前的历史问题

2、域名注册时间的长短

3、外链网站的权重

4、外链、给出链接的相关度

5、是否使用历史、链接形式

参考资料来源尺慎：百度百科-搜索引擎算法

参考资料来源：百度百科-必应

---