PVANet中的solver.prototxt中的plateau实现

本文介绍了PVANet模型训练过程中的关键参数设置,包括学习率策略、动量、权重衰减等,并详细说明了如何使用plateau策略来调整学习率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

关于plateau的讨论

http://blog.youkuaiyun.com/zimenglan_sysu/article/details/52804200


train_net: "models/pvanet/example_train/train.prototxt"



base_lr: 0.001
lr_policy: "plateau"
gamma: 0.1
stepsize: 50000
display: 20
average_loss: 100
momentum: 0.9
weight_decay: 0.0002


plateau_winsize: 50000
plateau_winsize: 75000
plateau_winsize: 100000




# We disable standard caffe solver snapshotting and implement our own snapshot
# function
snapshot: 0
# We still use the snapshot prefix, though
snapshot_prefix: "pvanet_frcnn"
iter_size: 2
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值