前面好多章节 讲了 人工智能引擎 tensorflow 怎么使用，如果是tensorflow 训练的模型 ，使用起来 很简单，前面章节锁了 saver 的使用，但是如果 是caffe 训练的模型 ，也没关系，所以 如果大家 使用caffe 与 使用tensorflow 都一样的。 随你喜欢。
首先我们进入caffe 官方github 下载 把相关的网络模型deploy.txt 文件以及 训练的最后模型文件caffemodel 下载下来。
然后使用 https://github.com/ethereon/caffe-tensorflow
caffe-tensorflow 这个开源项目就好了 ，直接可以转换caffe 模型文件 为 tensorflow 模型参数 转换训练的模型 为 tensorflow 训练的模型文件格式，交给tensorflow调用，tensorflow 有C++ PYTHON 的api 而且支持手机端，各种平台，所以网上很多 吹牛逼的 项目手机上调用 ，手机上扫描显示，直接用tensorflow 调用即可，你可以使用tensorflow 来训练，也可以使用caffe来训练，caffe训练还是比tensorflow 暂用更少的内存，速度稍微快了那么一点点。
比如 我们前面 caffe 定义的 googleNet
该命令 可以把googleNet 的caffe 的deploy.txt 网络格式 转化成 tensorflow 的python实现 代码。
./convert.py /root/googleNet.prototxt --code-output-path=googleNetTensorflow.py如果我们使用googleNet模型 deploy.txt 训练好的 bvlc_googleNet.caffemodel 文件
我们 知道使用caffe api调用 依赖的第三方库太多，所以不便于移植 到其他平台，比如手机端，我创业项目 后期就是用的tensorflow来调用，并不是我的项目里面哪一个 而是 ，http://www.evervc.com/startups/48257 而是深度学习方面 图像识别方面， 不是以前的那个AR增强现实 结合 图像匹配搜索技术。那只是最开始的东西，后面 我们主打人工智能 深度学习方面。 这里 tensorflow的优势 就出来了 依赖很少，可以支持手机端，IOS android 各种平台，可以很方便 调用 训练好的模型 ，如果我们有一个训练好的模型 只需要使用下面命令
./convert.py /root/googleNet.prototxt --caffemodel /root/model/bvlc_googleNet.caffemodel --data-output-path=googleNetTensorflow.npy获得googleNetTensorflow 模块文件，直接导入 引用即可。
这一章节其实可以不讲的 ，其实只需要提一下 这个开源项目就行了 。
来源：oschina
链接：https://my.oschina.net/u/937000/blog/672135