1. 将iapr tc12数据集解压后放在 mnlm/static/ 目录下，解压后的文件名为 iaprtc12；所以最后的目录应该长成这样 mnlm/static/iaprtc12；
2. 将训练好的模型放到 mnlm/engine/models/ 目录下；
3. 将划分好的训练集和测试集列表放到 mnlm/engin/iaprtc12/ 目录下；
4. 建立数据库：
	运行 python manage.py makemigrations mnlm ，通知 django 保存对数据库进行的更改。
	运行 python manage.py migrate，执行对数据库的更改。
	运行 python manage.py shell 进入 python 环境，执行如下代码：
		from mnlm.models import DiffInitEval
		for i in range(1962):
			q = DiffInitEval(im_index=i, blank=0, equ=0, similar=0)
			q.save()
	其中 1962 是测试图片的数量。
5. 在 mnlm/static/ 下创建 upload 目录，用于存放上传的图片。
6. 要测试新的图片需要安装 [convnet](https://github.com/TorontoDeepLearning/convnet),并将 convnet/bin 添加到 PATH 环境变量中。convnet 的模型定义(.pbtxt)、提取特征的配置文件(feature_config.pbtxt) 以及像素均值(pixel_mean.h5) 放在 /mnlm/static/upload/ 下。模型参数文件(.h5)放在项目根目录下，因为 convnet 中编译好的特征提取程序目前只会在当前工作路径下寻找模型参数文件，并且模型定义文件和模型参数文件的定义需要一致。