?caffe在訓(xùn)練的時(shí)候，需要一些參數(shù)設(shè)置，我們一般將這些參數(shù)設(shè)置在一個(gè)叫solver.prototxt的文件里面

有一些參數(shù)需要計(jì)算的，也不是亂設(shè)置。

假設(shè)我們有50000個(gè)訓(xùn)練樣本，batch_size為64，即每批次處理64個(gè)樣本，那么需要迭代50000/64=782次才處理完一次全部的樣本。我們把處理完一次所有的樣本，稱(chēng)之為一代，即epoch。所以，這里的test_interval設(shè)置為782，即處理完一次所有的訓(xùn)練數(shù)據(jù)后，才去進(jìn)行測(cè)試。如果我們想訓(xùn)練100代，則需要設(shè)置max_iter為78200.

同理，如果有10000個(gè)測(cè)試樣本，batch_size設(shè)為32，那么需要迭代10000/32=313次才完整地測(cè)試完一次，所以設(shè)置test_iter為313.

?學(xué)習(xí)率變化規(guī)律我們?cè)O(shè)置為隨著迭代次數(shù)的增加，慢慢變低。總共迭代78200次，我們將變化lr_rate三次，所以stepsize設(shè)置為78200/3=26067，即每迭代26067次，我們就降低一次學(xué)習(xí)率。?

下面是生成solver文件的python代碼，比較簡(jiǎn)單：

# -*- coding: utf-8 -*- """ Created on Sun Jul 17 18:20:57 2016@author: root """ path='/home/xxx/data/' solver_file=path+'solver.prototxt' #solver文件保存位置 sp={} sp['train_net']=‘“’+path+'train.prototxt”' # 訓(xùn)練配置文件 sp['test_net']=‘“’+path+'val.prototxt”' # 測(cè)試配置文件 sp['test_iter']='313' # 測(cè)試迭代次數(shù) sp['test_interval']='782' # 測(cè)試間隔 sp['base_lr']='0.001' # 基礎(chǔ)學(xué)習(xí)率 sp['display']='782' # 屏幕日志顯示間隔 sp['max_iter']='78200' # 最大迭代次數(shù) sp['lr_policy']='“step”' # 學(xué)習(xí)率變化規(guī)律 sp['gamma']='0.1' # 學(xué)習(xí)率變化指數(shù) sp['momentum']='0.9' # 動(dòng)量 sp['weight_decay']='0.0005' # 權(quán)值衰減 sp['stepsize']='26067' # 學(xué)習(xí)率變化頻率 sp['snapshot']='7820' # 保存model間隔 sp['snapshot_prefix']=‘"snapshot"’ # 保存的model前綴 sp['solver_mode']='GPU' # 是否使用gpu sp['solver_type']='SGD' # 優(yōu)化算法 def write_solver(): #寫(xiě)入文件 with open(solver_file, 'w') as f: for key, value in sorted(sp.items()): if not(type(value) is str): raise TypeError('All solver parameters must be strings') f.write('%s: %s\n' % (key, value)) if __name__ == '__main__': write_solver()

?執(zhí)行上面的文件，我們就會(huì)得到一個(gè)solver.prototxt文件，有了這個(gè)文件，我們下一步就可以進(jìn)行訓(xùn)練了。

轉(zhuǎn)載于:https://www.cnblogs.com/niulang/p/8984818.html

總結(jié)

以上是生活随笔為你收集整理的caffe的python接口学习（2）生成solver文件的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。