【caffe】SSD网络模型中solver.prototxt文件详解

train_net: "models/VGGNet/VOC0712/SSD_300x300/train.prototxt"
test_net: "models/VGGNet/VOC0712/SSD_300x300/test.prototxt"
test_iter: 619  #测试时的迭代次数
test_interval: 10000    #每10000次迭代测试一次
base_lr: 0.0010000000475    #基础学习率
display: 10    #每10次迭代显示一次迭代信息
max_iter: 120000    #最大迭代次数
lr_policy: "multistep"
gamma: 0.10000000149      
momentum: 0.899999976158  #动量
weight_decay: 0.000500000023749
snapshot: 30000    #每30000次迭代保存一次快照
snapshot_prefix: "models/VGGNet/VOC0712/SSD_300x300/VGG_VOC0712_SSD_300x300"
solver_mode: GPU  #使用GPu
device_id: 0     #GPU的序号
debug_info: false    #关闭debug输出
snapshot_after_train: true     #训练完毕保存一次快照
test_initialization: false     #不做测试初始化,如果设置为true时,开始迭代之前测试一次。
average_loss: 10     #每10次迭代平均一下loss值,防止其突变    
stepvalue: 80000    
stepvalue: 100000
stepvalue: 120000
iter_size: 1   #设置梯度下降的样本数,= iter_size*batchsize  。
type: "SGD" #梯度下降的方式。随机梯度下降
eval_type: "detection"     #测试类型:检测。   默认的值是classification。
ap_version: "11point"    #计算平均精确度(average precision)的方式:“11point”。还有MaxIntegral和Integral的方式。
  

 

你可能感兴趣的:(DeepLearning)