caffe中参数设置的解析

lenet_solver.prototxt:

net: "examples/mnist/lenet_train_test.prototxt"
test_iter: 100
test_interval: 500
base_lr: 0.01
momentum: 0.9
type: SGD
weight_decay: 0.0005
lr_policy: "inv"
gamma: 0.0001
power: 0.75
display: 100
max_iter: 20000
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
solver_mode: CPU

net：网络模型（训练网络模型、测试网络模型）

test_iter：测试的批次数，这个参数要与batch_size结合起来理解，例如：mnist数据集中测试样本总数为10000，一次执行全部数据效率很低，因此，我们将测试数据分几个批次来执行。假定我们设置batch_size为100，则需要迭代100次才能将10000个数据全部执行完，因此，将test_iter设置为100。执行完一次全部数据，称之为一个epoch

test_iterval：测试间隔，每训练500次进行一次测试

base_lr: 0.01    
lr_policy: "inv"
gamma: 0.0001
power: 0.75

这四行是对学习率的设置，base_lr用来设置基础学习率，在迭代的过程中，可以对基础学习率进行调整，lr_policy用来设置调整策略。其中，lr_policy的设置以及相应的学习率的计算：（在开始训练