参考网址：blog.csdn.net/u013989576/article/details/61618454
画网络模型有两个选择：
1.使用caffe提供的draw_net.py
2.使用Netscope可视化
使用第一种方法在服务器上做的时候，因为protoc的版本原因，没有好，现在突然想到可以在本地试一试，换个系统后再试一下。
如果要绘制caffe里的Lenet模型，可使用一下语句：
sudo python python/draw_net.py examples/mnist/lenet_train_test.prototxt netImage/lenet.png --rankdir=BT
其中的netImage文件夹是要自己在相应目录新建的
使用netscope时，使用网址http://ethereon.github.io/netscope/#/editor,具体使用方法网址上也很清晰。但是会遇到部分模块‘翻译’不出来的现象，不知是不是浏览器版本的原因，用了谷歌和搜狗效果都是一样
可视化后才能更清晰的理解整个过程。
对于最后的name为loss层，既是softmax—loss层
输出为loss值，计算公式为：
要理解这个就需要和softmax分类器层结合起来比较了
softmax的计算公式为、；
得到的是某种类别的概率，而softmax-loss层的计算公式是已知pj,所以它的作用是已知某种概率值，然后进行最大值估计。
在神经网络中，通过前向传播来求解loss，从bottom得到数据，经过计算后将数据送到输出层top，得到loss，然后利用反向传播就算 数据的梯度，向前传到bottom层，而前向传播和反向传播是通过solver文件来交替调用它们，从而使loss函数最小化。（如有不对之处，欢迎指正）