《智能系统与技术丛书 深度学习实践：基于Caffe的解析》—3.3Caffe训练需要的几个部件

3.3　Caffe训练需要的几个部件

       Caffe训练一个网络除了需要刚才处理的输入数据库之外，还需要构建网络proto文件和优化proto文件，接下来本书将对此进行详细介绍，下面先从网络proto文件的编写开始进行吧。

3.3.1　网络proto文件的编写

        对于基本层的编写，本节将以卷积层进行示例说明。

        name：“conv1”，表示层的名字是conv1。

        type：“Convolution”，表示这个层的类型是Convolution。

        bottom：“data”，表示输入数据从存储结构data中获得。

        top：“convl”，表示输出结果的数据保存到存储结构convl中。

        param中的内容是所有层共用的内容{}，其中，lr_mult表示本层参数的学习率需要乘上的一个系数。它与学习率（base_lr）一起决定了层参数的更新系数。

        convolution_param这个参数是可选的，不同的层其参数也不一样，这个将在后面进行详细介绍。

layer {

  name: "conv1"

  type: "Convolution"

  bottom: "data"

  top: "conv1"

  param {

    lr_mult: 1

  }

  convolution_param {

    num_output: 32

    pad: 2

    kernel_size: 5

    stride: 1

    bias_term: false

    weight_filler {

      type: "gaussian"

      std: 0.0001

    }

  }

}