1、编译出extract_features.exe模块在×64、Release模式下编译生成extract_features.exe
2、将某一层的特征向量生成lmdb文件在caffe工程的examples下新建一个文件夹，命名为_temp将examples\images下的图片写成一个文本文档，命名为file_list.txt，放在_temp文件夹下
3、将examples/eature_extraction/imagenet_val.prototxt复制到之前新建的_temp文件夹。打开imagenet_val.prototxt，修改以下file_list.txt的路径，对应准确即可：
4、在models\bvlc_reference_caffenet目录中，下载bvlc娄多骋能_reference_caffenet.caffemodel文件在caffe根目录下，新建bat脚本，Buil颊俄岿髭d\x64\Release\extract_features.exe models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_val.prototxt fc7 examples/_temp/features 10 lmdbpause可以在examples/_temp/features中生成提取的lmdb文件
5、将lmdb文件转化为mat文件feat_helper_pb2.py
6、lmdb2mat.py
7、将这个两个文件放在_temp文件夹中（位置可随意放置），cmd打开python，进入到该目录，python lmdb2mat.py features 1 10 4096 features_fc7.mat在ubantu下命令的格式的参考，
8、可生成一个mat文件
9、新建matlab函数及脚本，对该mat文件进行可视化display_network.m
10、在该目录下，新建脚本，调用该函数
11、在python中读取该mat文件import scipy.iomatfile = 'features_fc7.mat'data = scipy.io.loadmat(matfile)
