caffe中卷积的参数详解

东方耀

caffe中卷积的参数详解

1. layer {
   
2.   name: "conv5_1"
   
3.   type: "Convolution"
   
4.   bottom: "pool4"
   
5.   top: "conv5_1"
   
6.   param {
   
7.     lr_mult: 1.0
   
8.     decay_mult: 1.0
   
9.   }
   
10.   param {
    
11.     lr_mult: 2.0
    
12.     decay_mult: 0.0
    
13.   }
    
14.   convolution_param {
    
15.     num_output: 256
    
16.     pad: 1
    
17.     kernel_size: 3
    
18.     weight_filler {
    
19.       type: "xavier"
    
20.     }
    
21.     bias_filler {
    
22.       type: "constant"
    
23.       value: 0.0
    
24.     }
    
25.     dilation: 1
    
26.   }
    
27. }

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