MCNN网络解读（二）sover.propotxt

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。

/*这个文件主要包含了一些求解网络，梯度下降参数、迭代次数等参数*/
net: "network/Part_B/MCNN/train.prototxt"//网络名称
display : 1000//每1000次显示一次
base_lr : 1e-6//基础学习率0.01
lr_policy : "multistep"//学习策略，"multistep"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
gamma : 0.1
stepvalue : [500000, 800000, 1000000]
max_iter : 1200000 //最大迭代次数
momentum : 0.9//动量参数 ，不需要修改 
weight_decay : 0.0005//权重衰减系数
snapshot : 10000//每迭代10000次，保存一次结果
average_loss : 3600
snapshot_prefix : "trainedmodel/Part_B/MCNN/MCNN"//保存结果路径
solver_mode : GPU

参考Caffe学习系列(7)：solver及其配置