ubuntu1604 caffe 参数详解

https://blog.csdn.net/xygl2009/article/details/77484522

https://blog.csdn.net/weixin_43500354/article/details/97406693
# -*- coding: UTF-8 -*-
train_net: "examples/YOLO_Helmet/train.prototxt" #训练配置文件
test_net: "examples/YOLO_Helmet/test.prototxt" #测试配置文件 
test_iter: 4952 #表示测试的次数；比如，你的test阶段的batchsize=100，而你的测试数据为10000张图片，则你的测试次数为10000/100=100次；即，你的test_iter=100
test_interval: 2000 #表示你的网络迭代多少次才进行一次测试，你可以设置为网络训练完一代，就进行一次测试。
base_lr: 0.0005 #表示基础学习率，在参数梯度下降优化的过程中，学习率会有所调整，而调整的策略就可通过lr_policy这个参数进行设置；
display: 10
max_iter: 120000 #最大迭代次数
lr_policy: "multistep" #设置为multistep,则还需要设置一个stepvalue。这个参数和step很相似，step是均匀等间隔变化，而mult-step则是根据stepvalue值变化
gamma: 0.5
weight_decay: 0.00005 #表示权重衰减，用于防止过拟合
snapshot: 2000 #保存模型间隔
snapshot_prefix: "models/MobileNet/mobilenet_yolov3_deploy" #保存模型的前缀
solver_mode: GPU #是否使用GPU
debug_info: false
snapshot_after_train: true
test_initialization: false
average_loss: 10 #取多次foward的loss作平均，进行显示输出
stepvalue: 25000
stepvalue: 50000
stepvalue: 75000
iter_size: 4 #处理batchsize*itersize张图片后，才调用一次ApplyUpdate函数根据学习率、method(SGD、AdaSGD等)进行梯度下降
type: "RMSProp"
eval_type: "detection"
ap_version: "11point"
show_per_class_result: true