caffe solver参数详解

train_net: "/cache/data_url/train.prototxt"  # 训练模型文件的位置

test_net: "/cache/data_url/test.prototxt"  # 测试模型文件的位置

test_iter: 1  # test_iter = 向上取整(测试集样本数 / batch_size)

test_interval: 10  # 表示每10次训练跑一次测试，建议与display设置的值保持一致

base_lr: 0.0010000000475  # 基础学习率

display: 10  # 每迭代多少次显示一次结果

max_iter: 20  # 最大迭代次数

lr_policy: "multistep"  # lr更新的策略

• fixed：固定学习率basr_lr不变

• inv：basr_lr=base_lr * (1 + gamma * iter) ^ (- power)

• step：basr_lr=base_lr * gamma ^ (floor(iter / step))

• exp：basr_lr=base_lr * gamma ^ iter

• multistep：与step类似，但step取决于stepvalue。

• poly：basr_lr=base_lr (1 - iter/max_iter) ^ (power)

• sigmoid：basr_lr=base_lr ( 1/(1 + exp(-gamma * (iter - stepsize))))

gamma: 0.10000000149  # 学习率变化指数

momentum: 0.899999976158  # 上一次梯度更新的权重

weight_decay: 0.000500000023749  # 权重衰减

snapshot: 20  # 每隔多少步保存一次模型

snapshot_prefix: "/cache/train_url/"  # 模型保存目录，如果在华为云modelArts平台，建议固定为该目录

solver_mode: GPU  # 是否使用GPU

device_id: 0  # GPU序列号

debug_info: false  # 是否显示debug信息

snapshot_after_train: true  # 是否在训练结束后保存一个snapshot文件

test_initialization: false  # 是否输出loss的初始值

average_loss: 10  # 对之前average_loss个loss取平均值

stepvalue: 80000  # lr_policy为multistep时的stepsize

stepvalue: 100000

stepvalue: 120000

iter_size: 1  # 每处理iter_size＊batch_size张图片后进行一次梯度计算

type: "SGD"  # 梯度下降算法的类型

eval_type: "detection"  # 评价类型

ap_version: "11point"  # 计算平均准确率的方法。有11point、MaxIntegral、Integral三种