【caffe c++】网络配置文件说明之卷积层、池化层

下面代码中没注释的部分可以看这篇：

【caffe C++】数据配置文件说明

layer {
  name: "data"  
  type: "Input"
  top: "data"
  input_param { shape: { dim: 64 dim: 1 dim: 28 dim: 28 } }
}

layer {
  name: "conv1"  #表示卷积层
  type: "Convolution"
  bottom: "data"	#前边连着data层
  top: "conv1"		#输出是卷积后的结果
  param {
    lr_mult: 1 		#lr_mult:学习率系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。
			#设置为0则表示数据不更新
  }
  param {		
    lr_mult: 2		#如果有两个lr_mult，则第一个表示权值的学习率，第二个表示偏置值的学习率。
			#一般偏置项的学习率是权值学习率的两倍
  }
  convolution_param {		#卷积参数
    num_output: 20		#卷积核(filter)的个数
    kernel_size: 5		#卷积核的大小即5*5×深度，其中深度取决于上一层的特征图个数，自动确定
    stride: 1			#卷积步长
    pad:			#扩充边缘，默认是0即不扩充
    weight_filler {		
      type: "xavier"		#权值初始化。默认是"constant"，值全为0
				#很多时候我们采用"xavier"算法进行初始化，也可以设置为"gaussian"
    }
    bias_filler {
      type: "constant"		#偏置值的初始化，一般设置为"constant"，即为0
    }
  }
}

#卷基层输出的特征图的规格
w1=(w0+2*pad-kernel_size)/stride+1;
h1=(h0+2*pad-kernel_size)/stride+1;


layer {
  name: "pool1"		#池化层
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX		#池化方法，默认是max，目前可用的方法有MAX,AVE
    kernel_size: 2	#池化核的大小
    stride: 2		#池化的步长，默认是1，一般我们设置为2，即不重叠
  }
}

其他网络配置文件：

【caffe c++】网络配置文件说明之激活函数

【caffe c++】网络配置文件说明之全连接层

【caffe c++】网络配置文件说明之reshape层