深度学习 8. MatConvNet 相关函数解释说明，MatConvNet 代码理解（四）cnn_train.m 的注释

本文为原创文章转载必须注明本文出处以及附上 本文地址超链接  以及 博主博客地址：http://blog.youkuaiyun.com/qq_20259459  和 作者邮箱（ jinweizhi93@gmai.com ）。

（如果喜欢本文，欢迎大家关注我的博客或者动手点个赞，有需要可以邮件联系我）

接上一篇文章（阅读上一篇文章：http://blog.youkuaiyun.com/qq_20259459/article/details/54600368 ）

（四）cnn_train.m 

%调用cnn_train：
% [ net, info ] = cnn_train(net, imdb, @getBatch, opts.train, 'val', find(imdb.images.set == 3)) ;

function [net, stats] = cnn_train(net, imdb, getBatch, varargin)
%% --------------------------------------------------------------
%   函数名：cnn_train
%   功能：  1.用于训练过程
%           2.使用随机梯度下降法（SGD）
% ------------------------------------------------------------------------
%CNN_TRAIN  An example implementation of SGD for training CNNs
%    CNN_TRAIN() is an example learner implementing stochastic
%    gradient descent with momentum to train a CNN. It can be used
%    with different datasets and tasks by providing a suitable
%    getBatch function.
%
%    The function automatically restarts after each training epoch by
%    checkpointing.
%
%    The function supports training on CPU or on one or more GPUs
%    (specify the list of GPU IDs in the `gpus` option).

% Copyright (C) 2014-16 Andrea Vedaldi.
% All rights reserved.
%
% This file is part of the VLFeat library and is made available under
% the terms of the BSD license (see the COPYING file).
% ------------------------------------------------------------------------
%翻译：
%cnn_train是一个学习器的示例，基于SGD算法对CNN进行训练。
%通过适当的getBatch函数，cnn_train可以被用在训练不同的数据集，以实现不同目的的训练。
%cnn_train提供了自动检查上次训练状态并且继续接着训练的能力。
%cnn_train支持使用GPU并且同时支持多个GPU的并行运算
% ------------------------------------------------------------------------

opts.subsetSize = 1e4;

opts.expDir = fullfile('data','exp') ;      %选择保存路径
opts.continue = true ;                      %选择每次重启都是接着上次训练状态开始
opts.batchSize = 256 ;                      %选择初始化批的大小为256
opts.numSubBatches = 1 ;                    %选择子批的个数为1（不划分子批）
opts.train = [] ;                           %初始化训练集索引为空
opts.val = [] ;                             %初始化验证集索引为空
opts.gpus = [] ;                            %选择GPU
opts.prefetch = false ;                     %选择是否预读取下一批次的样本（初始化为否）
opts.numEpochs = 300 ;                      %选择epoch为300
opts.learningRate = 0.001 ;                 %选择学习率为0.001
opts.weightDecay = 0.0005 ;                 %选择权重延迟为0.0005
opts.momentum = 0.9 ;                       %选择动量为0.9
opts.saveMomentum = true ;                  %选择存储动量
opts.nesterovUpdate = false ;               %选择nesterovUpdate为假
opts.randomSeed = 0 ;                       %选择随机种子为0
opts.memoryMapFile = fullfile(tempdir, 'matconvnet.bin') ;      %选择内存映射文件
opts.profile = false ;                      %选择profile为假
opts.parameterServer.method = 'mmap' ;      %选择参数server的途径为mmap
opts.parameterServer.prefix = 'mcn' ;       %选择参数server的词头为m