为了便利大年夜家懂得，这老将examples/mnist/lenet_solver.prototxt中的内容进行从新排序，全部设备文件相当于答复了下面几个问题：

• 收集构造的文件在哪?
• 用什么计算资本练习?CPU照样GPU?
• 练习多久?练习和测试的比例是若何安排的，什么时刻输出些给我们瞧瞧?
• 优化的进修率怎么设定?还有其他的优化参数——如动量和正则呢?
• 要时刻记得存档啊，不然大年夜侠得大年夜头来过了……

接下来就是net.prototxt了，这里忽视了每个收集层的参数设备，只把表示收集的根本构造和类型设备展示出来：

name: "LeNet" 
layer { 
  name: "mnist"         
  type: "Data"     
  top: "data"         
  top: "label" 
} 
layer { 
  name: "conv1"         
  type: "Convolution"         
  bottom: "data"         
  top: "conv1" 
} 
layer { 
  name: "pool1" 
  type: "Pooling" 
  bottom: "conv1" 
  top: "pool1" 
} 
layer { 
  name: "conv2" 
  type: "Convolution" 
  bottom: "pool1" 
  top: "conv2" 
} 
layer { 
  name: "pool2" 
  type: "Pooling" 
  bottom: "conv2" 
  top: "pool2" 
} 
layer { 
  name: "ip1" 
  type: "InnerProduct" 
  bottom: "pool2" 
  top: "ip1"	
			
 2/8   首页 上一页 1 2 3 4 5 6 下一页 尾页
	
			

　　推荐阅读
　　机器学习流行趋势一览
            
            (机械进修是一个大年夜范畴。本文侧重的范畴是深度进修——这是我最熟悉的一个分区。)在研究兴趣方面，我们看到的是 1)风格转换、2) 深度强化进修、3) 神经收集机械翻译 (&ldqu>>>详细阅读


本文标题：Caffe的深度学习训练全过程
地址：http://www.17bianji.com/lsqh/34962.html
 1/2    1