|
caffe中卷积的参数详解
- layer {
- name: "conv5_1"
- type: "Convolution"
- bottom: "pool4"
- top: "conv5_1"
- param {
- lr_mult: 1.0
- decay_mult: 1.0
- }
- param {
- lr_mult: 2.0
- decay_mult: 0.0
- }
- convolution_param {
- num_output: 256
- pad: 1
- kernel_size: 3
- weight_filler {
- type: "xavier"
- }
- bias_filler {
- type: "constant"
- value: 0.0
- }
- dilation: 1
- }
- }
复制代码
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。
decay_mult:1 这是权重衰减 下面那个是bias的
如果将他们都设置为0:
kwargs['param'] = [dict(lr_mult=0, decay_mult=0), dict(lr_mult=0, decay_mult=0)]
net.update(freeze_layer, kwargs)
则表示该卷积层不参与学习,为冻结了该层
weight_filler
type: "xavier" #权值初始化。 默认为“constant",值全为0,很多时候我们用"xavier"算法来进行初始化,也可以设置为”gaussian"
dilation:卷积核的膨胀系数
|
|