caffe中lenet_solver.prototxt配置文件注解
来源:互联网 发布:单片机乐谱编辑软件 编辑:程序博客网 时间:2024/06/07 21:45
caffe框架自带的例子mnist里有一个lenet_solver.prototxt文件,这个文件是具体的训练网络的引入文件,定义了CNN网络架构之外的一些基础参数,如总的迭代次数、测试间隔、基础学习率、基础学习率的更新策略、训练平台(GPU或CPU)等。
# The train/test net protocol buffer definition //对训练和测试网络的定义//网络的路径,可以使用绝对路径或者相对路径net: "D:/Software/Caffe/caffe-master/examples/mnist/lenet_train_test.prototxt"//test_iter参数定义训练流程中前向传播的总批次数# test_iter specifies how many forward passes the test should carry out.//在MNIST中,定义的是每批次100张图片,一共100个批次,覆盖了全部10000个测试图例# In the case of MNIST, we have test batch size 100 and 100 test iterations,# covering the full 10,000 testing images./*test_iter是定义的测试图例分为多少批次,由于一次性执行所有的测试图例效率很低,所以把测试图例分为几个批次来依次执行,每个批次包含的图例数量是在net网络的模型文件.prototxt中的batch_size变量定义的,test_iter*batch_size等于总的测试图集数量*/test_iter: 100//测试间隔,训练没迭代500次后执行一次测试(测试是为了获得当前模型的训练精度)# Carry out testing every 500 training iterations.test_interval: 500/*网络的学习率设置1. base_lr:表示base learning rate,基础学习率,一般在网络模型中的每一层都会定义两个名称为“lr_mult”的学习率系数,这个学习率系数乘上基础学习率(base_lr*lr_mult)才是最终的学习率2. momentum:冲量单元是梯度下降法中一种常用的加速技术,作用是有助于训练过程中逃离局部最小值,使网络能够更快速的收敛,具体的值是经过反复的迭代调试获得的经验值3. weight_decay:权值衰减的设置是为了防止训练出现过拟合,在损失函数中,weight_decay是放在正则项(regularization)前面的一个系数,正则项一般指示模型的复杂度。weight_decay可以调节 模型复杂度对损失函数的影响,提高模型的泛化能力*/# The base learning rate, momentum and the weight decay of the network.base_lr: 0.01momentum: 0.9weight_decay: 0.0005/*学习率修改策略以上设置的是初始学习率参数,在训练过程中,依据需要,可以不断调整学习率的参数,调整的策略是通过lr_policy定义的lr_policy可以设置为下面这些值,相应的学习率的计算为:- fixed: 保持base_lr不变.- step: 如果设置为step,则还需要设置一个stepsize, 返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数- exp: 返回base_lr * gamma ^ iter, iter为当前迭代次数- inv: 如果设置为inv,还需要设置一个power, 返回base_lr * (1 + gamma * iter) ^ (- power)- multistep: 如果设置为multistep,则还需要设置一个stepvalue。这个参数和step很相似,step是均匀等间隔变化,而multistep则是根据stepvalue值变化- poly: 学习率进行多项式误差, 返回 base_lr (1 - iter/max_iter) ^ (power)- sigmoid: 学习率进行sigmod衰减,返回 base_lr ( 1/(1 + exp(-gamma * (iter - stepsize))))*/# The learning rate policylr_policy: "inv"gamma: 0.0001power: 0.75//每迭代100次显示一次执行结果# Display every 100 iterationsdisplay: 100//最大迭代次数# The maximum number of iterationsmax_iter: 10000//生成中间结果,记录迭代5000次之后结果,定义caffeModel文件生成路径# snapshot intermediate resultssnapshot: 5000snapshot_prefix: "D:/Software/Caffe/caffe-master/examples/mnist/lenet"//运行模式,CPU或者GPU# solver mode: CPU or GPUsolver_mode: GPU
在每一次的迭代过程中,solver做了这几步工作:
1、调用forward算法来计算最终的输出值,以及对应的loss
2、调用backward算法来计算每层的梯度
3、根据选用的slover方法,利用梯度进行参数更新
4、记录并保存每次迭代的学习率、快照,以及对应的状态。
可以设定网络经过多少次迭代训练之后去评价当前的网络。
阅读全文
0 0
- caffe中lenet_solver.prototxt配置文件注解
- caffe中lenet_train_test.prototxt配置文件注解
- Caffe 关于 LetNet-5 之 lenet_solver.prototxt 解析
- caffe中*_train_test.prototxt配置文件分析
- 解析./build/tools/caffe train --solver=examples/mnist/lenet_solver.prototxt
- caffe中train_val.prototxt和deploy.prototxt转换 ResNet_18_deploy.prototxt
- caffe中 solver.prototxt文件
- caffe中 solver.prototxt文件
- Caffe--solver.prototxt配置文件 参数设置及含义
- Caffe学习笔记:cifar10_quick_train_test.prototxt配置文件分析
- caffe(2)配置文件.prototxt的理解
- caffe中train_val.prototxt和deploy.prototxt文件的区别
- caffe中train_val.prototxt与deploy.prototxt的区别
- caffe中train_val.prototxt和deploy.prototxt文件的区别
- caffe中solver.prototxt参数说明
- caffe中solver.prototxt参数说明
- caffe中solver.prototxt参数说明
- caffe中solver.prototxt参数说明
- C语言基本数据类型简介
- Spark Streaming + Kafka集成指南
- traceroute查看网络路径
- JSONP
- select服务器
- caffe中lenet_solver.prototxt配置文件注解
- 用Calibre抓取博客,新闻等,制作成电子书
- 关于横竖屏的小结
- python3迭代器生成器
- java集合框架01
- Hibernate之lazy延迟加载
- AJAX与回调函数的结合使用
- 使用javamail发送邮件(文本+附件)
- JAVA基本数据类型