py-faster-rcnn中的solver文件

例如：stage1_rpn_solver60k80k.pt配置

train_net: "models/pascal_voc/ZF/faster_rcnn_alt_opt/stage1_rpn_train.pt"

#网络最开始的学习速率（Learning rate），是个浮点数，lr过大会导致不收敛，过小会导致收敛过慢，所以这个参数设置也很重要。
base_lr: 0.001

这个参数代表的是learning rate应该遵守什么样的变化规则，这个参数对应的是字符串，选项及说明如下：

• “step” - 需要设置一个stepsize参数，返回base_lr * gamma ^ ( floor ( iter / stepsize ) )，iter为当前迭代次数
• “multistep” - 和step相近，但是需要stepvalue参数，step是均匀等间隔变化，而multistep是根据stepvalue的值进行变化
• “fixed” - 保持base_lr不变
• “exp” - 返回base_lr * gamma ^ iter, iter为当前迭代次数
• “poly” - 学习率进行多项式误差衰减，返回 base_lr ( 1 - iter / max_iter ) ^ ( power )
• “sigmoid” - 学习率进行sigmod函数衰减，返回 base_lr ( 1/ 1＋exp ( -gamma * ( iter - stepsize ) ) )

lr_policy: "step"

和learning rate相关的，lr_policy中包含此参数的话，需要进行设置，一般是一个实数。
gamma: 0.1

训练经过stepsize次迭代后，改变学习率

stepsize: 60000

间隔20次迭代后对结果进行输出
display: 20

取多次foward的loss作平均，进行显示输出 。
average_loss: 100

冲量，上一次梯度更新的权重
momentum: 0.9

权重衰减项，用于防止过拟合。
weight_decay: 0.0005

训练快照，确定多久保存一次model和solverstate
snapshot: 0

snapshot的前缀，就是model和solverstate的命名前缀，也代表路径。
snapshot_prefix: "zf_rpn"