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" #訓練網路模型lr_policy:test_iter: 1000 #測試資料分1000批進行
test_interval: 4000 #每訓練4000步測試一次
test_initialization: false #是否是從頭訓練，false:沿用上一次訓練引數模型
base_lr: 0.01 # 基礎學習率
lr_policy: "step" # 每迭代stepsize次，下調學習率
gamma: 0.1 #下掉學習率的比例，每次下降10%
stepsize: 100000 # 每迭代100000步，調整學習率
max_iter: 350000 # 總共訓練350000步
momentum: 0.9 #剔除10%的引數，對過擬合有一定效果
snapshot: 40000 #迭代40000步儲存一次訓練引數模型
snapshot_prefix #儲存訓練引數模型位址
solver_mode: gpu #訓練模式：gpu 或 cpu
lr_policy: 如下7種設定對於lr_policy不同設定下learning_rate的圖形變化可以看這篇部落格：// - fixed: 學習率不變
// - step: base_lr * gamma ^ (floor(iter / step))
// - exp: base_lr * gamma ^ iter
// - inv: base_lr * (1 + gamma * iter) ^ (- power)
// - multistep: 類似於step，需要設定stepvalue
// 例如stepvalue: 1000 stepvalue: 2000 stepvalue: 3000
// - poly: base_lr (1 - iter/max_iter) ^ (power)
// - sigmoid: base_lr ( 1/(1 + exp(-gamma * (iter - stepsize))))
caffe solver引數意義與設定
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...
引數設定 pandas引數設定小技巧
python大資料分析記錄 分享 成長 在日常使用pandas的過程中，由於我們所分析的資料表規模 格式上的差異，使得同樣的函式或方法作用在不同資料上的效果存在差異。而pandas有著自己的一套 引數設定系統 可以幫助我們在遇到不同的資料時靈活調節從而達到最好的效果，本文就將介紹pandas中常用的...
Matlab plot 引數設定
一 matlab繪圖中用到的直線屬性包括 1 linestyle 線形 2 linewidth 線寬 3 color 顏色 4 markertype 標記點的形狀 5 markersize 標記點的大小 6 marke cecolor 標記點內部的填充顏色 7 markeredgecolor 標記點...