Caffe的运行,首先要基于一个模型(model),比较常用的模型有Lenet、AlexNet、VGG等;一个模型有多个层构成,层有许多种类型,比如数据层(Data Layers)、视觉层(Vision Layers)、激活层(Activation Layers)等,每层对应着许多参数,这些参数都定义在caffe.proto这个配置文件中。
数据层及其参数的介绍在前一篇文章caffe中的数据层及对应参数进行讨论。
接下来,我们来讨论一下视觉层(Vision Layers)及其参数。
视觉层包括Convolution、Pooling、Local Response Normalization(LRN)等。下面进行详细介绍。
(1)Convolution(卷积层)
卷积层是卷积神经网络(CNN)的核心层。下面以示例作为说明:
layer {
name:"conv1"//层名称
type:"Convolution"//层类型
bottom:"data"//输入数据
top:"conv1"//输出数据
param {//参数
lr_mult:1//学习率系数,