【深度学习】caffe之SGD solver
来源:互联网 发布:access2007数据库教程 编辑:程序博客网 时间:2024/05/22 04:34
理论介绍
上式中,
在caffe中,forward只有前面一项,正则项是反向更新的时候才加上的。
上面一式中,
SGD solver
任何一个solver的对权重进行更新时都要完成一次forward和backward。在solver.cpp中完成这一步的函数是step()。
template <typename Dtype>void Solver<Dtype>::Step(int iters) {...... for (int i = 0; i < param_.iter_size(); ++i) { loss += net_->ForwardBackward();//执行网络的forward和backward } ...... ApplyUpdate();//更新参数 ......
执行完forward和backward后,就是对参数的更新,ApplyUpdate()函数完成这一操作。ApplyUpdate()函数是个虚函数,因此不同的solver可以实现不同的更新策略。在SGD中,主要有归一化、正则化、计算更新量、更新这四个函数。
template <typename Dtype>void SGDSolver<Dtype>::ApplyUpdate() { ...... ClipGradients(); for (int param_id = 0; param_id < this->net_->learnable_params().size(); ++param_id) { Normalize(param_id);//归一化 Regularize(param_id);//正则化 ComputeUpdateValue(param_id, rate);//计算更新量 } this->net_->Update();//更新}
假设为L2正则化,正则项的导数为w
template <typename Dtype>void SGDSolver<Dtype>::Regularize(int param_id) { ...... if (regularization_type == "L2") { // add weight decay caffe_axpy(net_params[param_id]->count(), local_decay, net_params[param_id]->cpu_data(), net_params[param_id]->mutable_cpu_diff());//diff=diff + decay * w } ......}
然后计算更新量,并保存
template <typename Dtype>void SGDSolver<Dtype>::ComputeUpdateValue(int param_id, Dtype rate) {...... // Compute the update to history, then copy it to the parameter diff. switch (Caffe::mode()) { case Caffe::CPU: { //history = momentum * history + diff * learning_rate caffe_cpu_axpby(net_params[param_id]->count(), local_rate, net_params[param_id]->cpu_diff(), momentum, history_[param_id]->mutable_cpu_data()); caffe_copy(net_params[param_id]->count(),//diff = history history_[param_id]->cpu_data(), net_params[param_id]->mutable_cpu_diff()); break; } ...... default: LOG(FATAL) << "Unknown caffe mode: " << Caffe::mode(); }}
最后对整个网络权重进行更新
this->net_->Update();
整个网络的更新其实就是w-diff,在net.cpp中调用
template <typename Dtype>void Net<Dtype>::Update() { for (int i = 0; i < learnable_params_.size(); ++i) { learnable_params_[i]->Update();//w-diff }}
这里其实就是调用了blob的update进行更新。
阅读全文
0 0
- 【深度学习】caffe之SGD solver
- 深度学习之caffe Solver
- caffe学习笔记1 SGD solver
- 【深度学习】之Caffe的solver文件配置
- CAFFE源码学习之优化方法solver
- caffe 学习笔记之solver层
- 深度学习之caffe
- 深度学习之----caffe
- Caffe Solver理解篇(1) 主体和SGD
- Caffe学习:Solver
- Caffe学习3-Solver
- Caffe学习:Solver
- Caffe solver.prototxt学习
- Caffe学习:Solver
- 深度学习之caffe Loss
- 深度学习之Caffe框架
- 深度学习之---Caffe(一)
- caffe源码解析之solver
- kali 双系统设置在/etc/default/grup文件里
- docker install on ubuntu 16.04LTS
- CentOS7/Red Hat7 NTP服务无法开机自启动问题解决
- MFC文档/视图结构关联基类学习
- mybatis如何防止sql注入
- 【深度学习】caffe之SGD solver
- caffe 中 top_data, top_label 的存储方式
- Making Sense of all these Crazy Web Service Standards
- 封装的google地图几个常用方法
- LaTex 学习入门
- Java API源码阅读邀请
- bzoj1270: [BeijingWc2008]雷涛的小猫
- kafka等,今天面试了
- (css3常用动画的实现