LSTM

1. name: "BasicLstm"  
2.   
3. layer {  
4.   name: "data"  
5.   type: "HDF5Data"  
6.   top: "data" //输入数据  
7.   top: "cont" //数据切分（不是1就是0)  
8.   top: "label"//对应的标签  
9.   include {  
10.     phase: TRAIN  
11.   }  
12.   hdf5_data_param {  
13.     source: "./path_to_txt.txt"  
14.     batch_size: 2000  
15.   }  
16. }  
17.   
18.   
19. layer {  
20.   name: "lstm1"  
21.   type: "LSTM"  
22.   bottom: "data"  
23.   bottom: "cont"  
24.   top: "lstm1"  
25.   recurrent_param {  
26.     num_output: 5 //LSTM1输出的对应维度  
27.     weight_filler {  
28.       type: "uniform"  
29.       min: -0.08  
30.       max: 0.08  
31.     }  
32.     bias_filler {  
33.       type: "constant"  
34.       value: 0  
35.     }  
36.   }  
37. }  
38.   
39. layer {  
40.   name: "lstm2"  
41.   type: "LSTM"  
42.   bottom: "lstm1"   
43.   bottom: "cont"  
44.   top: "lstm2"  
45.   recurrent_param {  
46.     num_output: 4    //LSTM2输出对应的维度  
47.     weight_filler {  
48.       type: "uniform"  
49.       min: -0.08  
50.       max: 0.08  
51.     }  
52.     bias_filler {  
53.       type: "constant"  
54.       value: 0  
55.     }  
56.   }  
57. }  
58.   
59.   
60. layer {  
61.   name: "predict"  
62.   type: "InnerProduct"  
63.   bottom: "lstm2"  
64.   top: "predict"  
65.   param {  
66.     lr_mult: 1  
67.     decay_mult: 1  
68.   }  
69.   param {  
70.     lr_mult: 2  
71.     decay_mult: 0  
72.   }  
73.   inner_product_param {  
74.     num_output: 39    //对应的输出维度用于分类  
75.     weight_filler {  
76.       type: "gaussian"  
77.       std: 0.01  
78.     }  
79.     bias_filler {  
80.       type: "constant"  
81.       value: 0  
82.     }  
83.     axis: 2  
84.   }  
85. }  
86.   
87.   
88.   
89. layer {  
90.   name: "softmax_loss"  
91.   type: "SoftmaxWithLoss" //softmax分类  
92.   bottom: "predict"  
93.   bottom: "label"  
94.   top: "loss"  
95.   loss_weight: 20  
96.   softmax_param {  
97.     axis: 2  
98.   }  
99.   loss_param {  
100.     ignore_label: -1 //忽略标签为-1的数据  
101.   }  
102. }