caffe训练模型时solver.prototxt文件中超参数的设置

solver 是caffe的核心之重，它是整个模型运行的参数配置文件。运行代码一般为：

#caffe train --solver=*_solver.prototxt

在DL中，损失函数（loss function）是非凸的，没有解析解，我们需要通过优化的方法来求解。solver的作用就是交替调用前向（forward）算法和后向（backward）算法来更新参数，从而最小化损失（loss），实际上就是一种迭代的优化算法。

接下来，我们看一个实例：

net:"examples/myfile/train_val.prototxt"      //设置深度网络模型。每一个模型就是一个net，需要在一个专门的配置文件中对net进行配置，每个net由许多的layer所组成。上面这句代码就是设置训练网络的，网络模型文件配置，即examples/myfile/文件下的train_val.prototxt里面的配置。

batchsize     //每迭代一次，网络训练图片的数量，例如：如果你的batchsize=256，则你的网络每迭代一次，训练256张图片；则，如果你的总图片张数为1280000张，则要想将你所有的图片通过网络训练一次，则需要1280000/256=5000次迭代。

epoch    //表示将所有图片在你的网络中训练一次所需要的迭代次数，如上面的例子：5000次；我们称之为  一代。所以