caffe学习笔记——solver文件

一．Solver及其配置

Caffe运行必带的文件即为solver配置文件。solver的主要作用就是交替调用前向（forward)算法和后向（backward)算法来更新参数，从而最小化loss，实际上就是一种迭代的优化算法。

到目前的版本，caffe提供了六种优化算法来求解最优参数，在solver配置文件中，通过设置type类型来选择。

Stochastic Gradient Descent (type: "SGD"),

AdaDelta (type: "AdaDelta"),

Adaptive Gradient (type: "AdaGrad"),

Adam (type: "Adam"),

Nesterov’s Accelerated Gradient (type: "Nesterov") and

RMSprop (type: "RMSProp")

二．Solver的流程：

1.     设计好需要优化的对象，以及用于学习的训练网络和用于评估的测试网络。（通过调用另外一个配置文件prototxt来进行）

2.     通过forward和backward迭代的进行优化来跟新参数。

3.     定期的评价测试网络。 （可设定多少次训练后，进行一次测试）

4.     在优化过程中显示模型和solver的状态

在每一次的迭代过程中，solver做了这几步工作：

1、调用forward算法来计算最终的输出值，以及对应的loss

2、调用backward算法来计算每层的梯度

3、根据选用的slover方法，利用梯度进行参数更新

4、记录并保存每次迭代的学习率、快照，以及对应的状态。

三．举例说明各项参数的含义：

net: "examples/mnist/lenet_train_test.prototxt"

设置深度网络模型，文件的路径要从caffe的根目录开始，其它的所有配置都是这样。

test_iter: 100

test_iter*batch_size=总训练数，将测试数据分成几个批次来执行，每个批次的数量就是batch_size。执行完一次全部数据，称之为一个epoch。

test_interval: 500

测试间隔。也就是每训练500次，才进行一次测试。

base_lr: 0.01

base_lr用于设置基础学习率，在迭代的过程中，可以对基础学习率进行调整。怎么样进行调整，就是调整的策略，由lr_policy来设置。

momentum: 0.9

上一次梯度更新的权重

type: SGD

优化算法选择。这一行可以省掉，因为默认值就是SGD。总共有六种方法可选择，在本文的开头已介绍。

weight_decay: 0.0005

权重衰减项，防止过拟合的一个参数。

lr_policy: "inv"

gamma: 0.0001

学习率变化的比率

power: 0.75

lr_policy可以设置为下面这些值，相应的学习率的计算为：

①　- fixed: 保持base_lr不变.

②　- step:  如果设置为step,则还需要设置一个stepsize,  返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数

③　- exp:   　　返回base_lr * gamma ^ iter， iter为当前迭代次数

④　- inv:    如果设置为inv,还需要设置一个power, 返回base_lr * (1 + gamma * iter) ^ (- power)

⑤　- multistep: 如果设置为multistep,则还需要设置一个stepvalue。这个参数和step很相似，step是均匀等间隔变化，而multistep则是根据                                 stepvalue值变化

⑥　- poly:  学习率进行多项式误差, 返回 base_lr (1 - iter/max_iter) ^ (power)

⑦　- sigmoid:　学习率进行sigmod衰减，返回 base_lr ( 1/(1 + exp(-gamma * (iter - stepsize))))

 

display: 100

每训练100次，在屏幕上显示一次。如果设置为0，则不显示。max_iter: 20000

snapshot: 5000

snapshot_prefix: "examples/mnist/lenet"

快照。将训练出来的model和solver状态进行保存，snapshot用于设置训练多少次后进行保存，默认为0，不保存。snapshot_prefix设置保存路径。

solver_mode: GPU

设置运行模式。默认为GPU,如果你没有GPU,则需要改成CPU,否则会出错。

 根据一些帖子总结而来，非原创。