batchsize:每迭代一次，網路訓練的數量，例如：如果你的batchsize=256，則你的網路每迭代一次，訓練256張；
則，如果你的總張數為1280000張，則要想將你所有的通過網路訓練一次，則需要1280000/256=5000次迭代。
epoch：表示將所有在你的網路中訓練一次所需要的迭代次數，如上面的例子：5000次；我們稱之為 一代。所以如果你想要你的網路訓練100代時，則你的總的迭代次數為max_iteration=5000*100=500000次；
max_iteration:網路的最大迭代次數如上面的500000次；同理，如果max_iteration=450000，則該網路被訓練450000/5000=90代。
test_iter：表示測試的次數；比如，你的test階段的batchsize=100，而你的測試資料為10000張，則你的測試次數為10000/100=100次；即，你的
test_iter
=100;
test_interval:表示你的網路迭代多少次才進行一次測試，你可以設定為網路訓練完一代，就進行一次測試，比如前面的一代為5000次迭代時，你就可以設定test_interval=5000;
base_lr:表示基礎學習率，在引數梯度下降優化的過程中，學習率會有所調整，而調整的策略就可通過lr_policy這個引數進行設定；
lr_policy：學習率的調整策略：
momentum：表示上一次梯度更新的權重;
weight_decay:表示權重衰減，用於防止過擬合；
Caffe Solver裡引數解釋
整理自 caffe學習系列 7 solver及其配置 同時參考 caffe中的優化方法 caffe中learning rate 和 weight decay 的理解 和 深度學習最全優化方法總結比較 sgd，adagrad，adadelta，adam，adamax，nadam net models ...
caffe solver引數設定
solver檔案設定是通過協調網路的正向推理和反向梯度來協調模型優化，得到試圖改善損失的的引數。學習的職責被分配給負責監督優化和生成引數更新的solver，以及負責生成損失和梯度的網路。caffe有六種優化器 net models bvlc googlenet train val.prototxt ...
bootargs引數意義
u boot的環境變數值得注意的有兩個 bootcmd 和bootargs。u bootcmd 前面有說過bootcmd是自動啟動時預設執行的一些命令，因此你可以在當前環境中定義各種不同配置，不同環境的引數設定，然後設定bootcmd為你經常使用的那種引數。u bootargs bootargs是環...