caffe模型常用参数解释

1. 数据层：  
2. layer {  
3.   name: "mnist"//名字mnist  
4.   type: "Data"//类型data  
5.   top: "data"//输出数据  
6.   top: "label"//输出标签
7.   include {  
8.     phase: TRAIN  
9.   }  
10.   transform_param {  
11.     scale: 0.00390625//归一化 {0-255}->{0-1} 
12.   }  
13.   data_param {  
14.     source: "examples/mnist/mnist_train_lmdb"  
15.     batch_size: 64  
16.     backend: LMDB  
17.   }  
18. }  
19. 
    
20. 卷积层  
21. layer {  
22.   name: "conv1"  
23.   type: "Convolution"  
24.   bottom: "data"//输入data blob  
25.   top: "conv1"//输出conv1 
26.   param {  
27.     lr_mult: 1//权重学习率倍乘因子。乘以全局学习率
28.   }  
29.   param {  
30.     lr_mult: 2//偏置学习率倍乘因子。乘以全局学习率
31.   }  
32.   convolution_param {  
33.     num_output: 20//cov1层将产生输出20个通道  
34.     kernel_size: 5//卷积核大小是5*5  
35.     stride: 1//步长是1  
36.     weight_filler {//权重初始化方法，使用xavier算法填充weight。
37.       type: "xavier"  
38.     }  
39.     bias_filler {//偏置初始化方法，使用constant算法填充bias。默认是常数0  
40.       type: "constant"  
41.     }  
42.   }  
43. }  
44. 池化层 
45. layer {  
46.   name: "pool1"  
47.   type: "Pooling"  
48.   bottom: "conv1"  
49.   top: "pool1"  
50.   pooling_param {  
51.     pool: MAX//使用MAX进行池化  
52.     kernel_size: 2//卷积核大小是2*2  
53.     stride: 2//步长是2  
54.   }  
55. }  
56.   
57. 全连接层  
58. layer {  
59.   name: "ip1"  
60.   type: "InnerProduct"  
61.   bottom: "pool2"  
62.   top: "ip1"  
63.   param {  
64.     lr_mult: 1  
65.   }  
66.   param {  
67.     lr_mult: 2  
68.   }  
69.   inner_product_param {  
70.     num_output: 500//产生500维的输出数据  
71.     weight_filler {  
72.       type: "xavier"  
73.     }  
74.     bias_filler {  
75.       type: "constant"  
76.     }  
77.   }  
78. }  
79.   
80. ReLU层  
81. layer {  
82.   name: "relu1"  
83.   type: "ReLU"  
84.   bottom: "ip1"  
85.   top: "ip1"  
86. }    
87.  
88. Loss层 
89. layer {  
90.   name: "loss"  
91.   type: "SoftmaxWithLoss"  
92.   bottom: "ip2"
93.   bottom: "label"//来自数据层的标签  
94.   top: "loss"  
95. }