caffe prototxt网络文件中参数含义

caffe中训练一个模型时，需要用到两个文件，一个是train.prototxt文件，里面定义了模型的网络结构；另一个是solver.prototxt文件，里面定义了训练模型时的一些参数配置。一些常用的参数的含义这里不做记录。

1.train.prototxt文件

（1）数据层

在层类型中，也就是“type”这个参数，一般都会写“Data”，这个类型说明数据来自于数据库（如LevelDB和LMDB）

必须设置的参数：

  source: 包含数据库的目录名称，如examples/mnist/mnist_train_lmdb

  batch_size: 每次处理的数据个数，如64

可选的参数：

  rand_skip: 在开始的时候，路过某个数据的输入。通常对异步的SGD很有用。

  backend: 选择是采用LevelDB还是LMDB, 默认是LevelDB

 

除此之外还会用到hdf5数据格式：

层类型：HDF5Data

必须设置的参数：

source: 读取的文件名称

batch_size: 每一次处理的数据个数

 

（2）视觉层

视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。

1、Convolution层：

就是卷积层，是卷积神经网络（CNN）的核心层。

层类型：Convolution

lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。

在后面的c