1. 首先，我们先看一个完整的文件：lenet_train_test.prototxt
name: "LeNet" #整个网络的名称
layer { #数据层——训练数据
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
scale: 0.00390625
}
data_param {
source: "examples/mnist/mnist_train_lmdb"
batch_size: 64
backend: LMDB
}
} 20 #数据层-这里表示测试数据
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TEST
}
transform_param {
scale: 0.00390625
}
data_param {
source: "examples/mnist/mnist_test_lmdb"
batch_size: 100
backend: LMDB
}
} #第一层卷积层
layer {
name: "conv1"
type: "Convolution"
bottom: "data"
top: "conv1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 20
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
} #第一层池化层
layer {
name: "pool1"
type: "Pooling"
bottom: "conv1"
top: "pool1"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
} #第二层卷积
layer {
name: "conv2"
type: "Convolution"
bottom: "pool1"
top: "conv2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 50
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
} #第二层池化
layer {
name: "pool2"
type: "Pooling"
bottom: "conv2"
top: "pool2"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
} #第一层全连接层
layer {
name: "ip1"
type: "InnerProduct"
bottom: "pool2"
top: "ip1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 500
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
} #第一层激活层
layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
} #第二层全连接层
layer {
name: "ip2"
type: "InnerProduct"
bottom: "ip1"
top: "ip2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 10
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
} #测试准确率层
layer {
name: "accuracy"
type: "Accuracy"
bottom: "ip2"
bottom: "label"
top: "accuracy"
include {
phase: TEST
}
} #损失函数层
layer {
name: "loss"
type: "SoftmaxWithLoss"
bottom: "ip2"
bottom: "label"
top: "loss"
}
2. 数据层
layer {
name: "cifar" #cifar数据的名称
type: "Data"
top: "data" #一般用bottom表示输入,top表示输出，多个top代表有多个输出
top: "label" #数据输出包含两部分：图像和标签
include {
phase: TRAIN #训练网络分为训练阶段和自测试阶段,如果没写include则表示该层即在测试中，又在训练中
}
transform_param {
mean_file: "examples/cifar10/mean.binaryproto" #用一个配置文件来进行均值的操作
transform_param {
scale: 0.00390625 #归一化处理1/255，将图像的像素值归一化到0-1之间
#这里表示数据增强
mirror: 1 # 1表示开启镜像，0表示关闭，也可用ture和false来表示
# 剪裁一个 227*227的图块，在训练阶段随机剪裁，在测试阶段从中间裁剪
crop_size: 227
}
}
data_param {
source: "examples/cifar10/cifar10_train_lmdb" #数据库来源，也就是训练数据集所在路径
batch_size: 64 #每次批处理的个数
backend: LMDB #选用数据的类型名称
}
} ### 使用LMDB源
layer {
name: "mnist"
type: "Data"
top: "data"
top: "label"
include {
phase: TRAIN
}
transform_param {
scale: 0.00390625
}
data_param {
source: "examples/mnist/mnist_train_lmdb"
batch_size: 64
backend: LMDB
}
} ###使用HDF5数据源
layer {
name: "data"
type: "HDF5Data"
top: "data"
top: "label"
hdf5_data_param {
source: "examples/hdf5_classification/data/train.txt"
batch_size: 10
}
} ###数据直接来源与图片
#/path/to/images/img3423.jpg 2
#/path/to/images/img3424.jpg 13
#/path/to/images/img3425.jpg 8 layer {
name: "data"
type: "ImageData" #类型
top: "data"
top: "label"
transform_param {
mirror: false
crop_size: 227
mean_file: "data/ilsvrc12/imagenet_mean.binaryproto"
}
image_data_param {
source: "examples/_temp/file_list.txt"
batch_size: 50
new_height: 256 #如果设置就对图片进行resize操作
new_width: 256
}
3. 卷积层
layer {
name: "conv1" #卷积层名称
type: "Convolution" #表示该层是卷积操作
bottom: "data" #bottom表示输入，输入的是“Data”，也就是数据层的输出。
top: "conv1" #Top表示输出，该层的输出名称就是“conv1”，它表示第一层卷积操作的输出
param {
lr_mult: 1 #lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率，第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。
}
param {
lr_mult: 2
}
convolution_param {
num_output: 20 #卷积核（filter)的个数，也就是通道数（channels）。
kernel_size: 5 #卷积核的大小
stride: 1 #卷积核的步长，默认为1
pad: 0 #扩充边缘，默认为0，不扩充
weight_filler {
type: "xavier" #权值初始化。 默认为“constant",值全为0，很多时候我们用"xavier"算法来进行初始化，也可以设置为”gaussian"
}
bias_filler {
type: "constant" #偏置项的初始化。一般设置为"constant",值全为0
}
}
} 输入：n*c0*w0*h0
输出：n*c1*w1*h1
其中，c1就是参数中的num_output，生成的特征图个数
w1=(w0+2*pad-kernel_size)/stride+1;
h1=(h0+2*pad-kernel_size)/stride+1;
4. 池化层（pooling layer）
layer {
name: "pool1" #池化层的名称“pool1”
type: "Pooling" #表示这一层是池化操作
bottom: "conv1" #输入来自于第一层的卷积“conv1”
top: "pool1" #输出的就是第一层池化，其名称是“pool1”
pooling_param {
pool: MAX #池化操作的方法，默认为MAX-pooling。目前可用的方法有MAX-pooling, AVE-pooling
kernel_size: 3 #池化的核大小
stride: 2 #池化的步长，默认为1。一般我们设置为2，即不重叠。
}
} #pooling层的运算方法基本是和卷积层是一样的。
5. 激活函数层
#在激活层中，对输入数据进行激活操作,是逐元素进行运算的,在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。 ###Sigmoid layer {
name: "test"
bottom: "conv"
top: "test"
type: "Sigmoid"
} #ReLU是目前使用最多的激活函数，主要因为其收敛更快，并且能保持同样效果。标准的ReLU函数为max(x, 0)，当x>0时，输出x; 当x<=0时，输出0
f(x)=max(x,0) layer {
name: "relu1" #该层的名称“reLu1”
type: "ReLU" #这一层操作的激活函数ReLu
bottom: "pool1" #这一层数据输入是pool1
top: "pool1"
}
6. 全连接层（FC Layer）
#全连接层，输出的是一个简单向量 参数跟卷积层一样
layer {
name: "ip1" #该层的名称，叫做ip1，其实是计算向量内积的操作，也就是我们常说的全连接层
type: "InnerProduct" #这里的类型表示操作的作用是计算前后向量的内积，即全连接
bottom: "pool2" #这一层的输入来自于池化层“pool2”
top: "ip1" #输出层的名字叫做“ip1”
param {
lr_mult: 1 #这里表示权重学习率系数，还需要和基础学习率相乘
}
param {
lr_mult: 2 #这里表示偏置的学习率系数，也需要和基础学习率相乘，它一般是权重学习率系数的2倍
}
inner_product_param {
num_output: 500 #这里表示 全连接层的输出为500个神经元
weight_filler {
type: "xavier" #这里是一种权重初始化的方法
}
bias_filler { #这里表示了偏置的初始化方式
type: "constant"
}
}
}
#测试的时候输入准确率
layer {
name: "accuracy" #该层的名称是“accuracy”
type: "Accuracy" #这一层操作的作用就是计算测试集在模型上的准确率
bottom: "ip2" #这一层的输入：第二个全连接层的输出
bottom: "label" #这一层的第二个输入：一个batch_size图片的类别标签
top: "accuracy" #该层的输出的名称是“accuracy”
include {
phase: TEST #这里说明该层只在测试时起作用
}
}
7. soft-max loss层
#softmax-loss layer：输出loss值 layer {
name: "loss" #该层的名称是“loss”
type: "SoftmaxWithLoss" #这一层操作的作用是计算交叉熵损失
bottom: "ip1" #输入是全连接层的输出
bottom: "label" #输入是类别标签
top: "loss" #输出的损失，其名称是“loss”
}
#softmax layer: 输出似然值
layers {
bottom: "cls3_fc"
top: "prob"
name: "prob"
type: “Softmax"
}
7. reshape层
#在不改变数据的情况下，改变输入的维度 layer {
name: "reshape"
type: "Reshape"
bottom: "input"
top: "output"
reshape_param {
shape {
dim: 0 # copy the dimension from below
dim: 2
dim: 3
dim: -1 # infer it from the other dimensions
}
}
} 有一个可选的参数组shape, 用于指定blob数据的各维的值（blob是一个四维的数据：n*c*w*h）。 dim:0 表示维度不变，即输入和输出是相同的维度。 dim:2 或 dim:3 将原来的维度变成2或3 dim:-1 表示由系统自动计算维度。数据的总量不变，系统会根据blob数据的其它三维来自动计算当前维的维度值 。 假设原数据为：32*3*28*28， 表示32张3通道的28*28的彩色图片
shape {
dim: 0
dim: 0
dim: 14
dim: -1
}
输出数据为：32*3*14*56
#Dropout是一个防止过拟合的层，表示神经元随机失活
#只需要设置一个dropout_ratio就可以了。
layer {
name: "drop7"
type: "Dropout"
bottom: "fc7-conv"
top: "fc7-conv"
dropout_param {
dropout_ratio: 0.5
}
}
8. solver文件解析
#往往loss function是非凸的，没有解析解,我们需要通过优化方法来求解。
#caffe提供了六种优化算法来求解最优参数，在solver配置文件中，通过设置type类型来选择。 Stochastic Gradient Descent (type: "SGD"),
AdaDelta (type: "AdaDelta"),
Adaptive Gradient (type: "AdaGrad"),
Adam (type: "Adam"),
Nesterov’s Accelerated Gradient (type: "Nesterov")
RMSprop (type: "RMSProp")
net: "examples/mnist/lenet_train_test.prototxt" #这里表示训练的网络结构文件和测试文件的路径
test_iter: 100 #这里的表示测试的时候，batch_size= 测试样本总量/test_iter
test_interval: 500 #测试间隔，表示每训练500步，进行一次测试
base_lr: 0.01 #基础的学习率
momentum: 0.9 #动量
type: SGD #优化方法选择：随机梯度下降
weight_decay: 0.0005 #权重衰减率
lr_policy: "inv" #学习率调整策略
gamma: 0.0001
power: 0.75
display: 100 #显示，每训练100步，在屏幕上显示一次。
max_iter: 20000 #最大的迭代次数20000步，到达20000次自动停止
snapshot: 5000 #每隔5000步进行一次模型输出
snapshot_prefix: "examples/mnist/lenet" #模型的保存位置
solver_mode: CPU #模型训练在CPU上进行#详细解释如下：
net: "examples/mnist/lenet_train_test.prototxt" #网络位置
train_net: "examples/hdf5_classification/logreg_auto_train.prototxt" #也可以分别设定train和test
test_net: "examples/hdf5_classification/logreg_auto_test.prototxt"
test_iter: 100 #迭代了多少个测试样本呢？ batch*test_iter 假设有5000个测试样本，一次测试想跑遍这5000个则需要设置test_iter×batch=5000 test_interval: 500 #测试间隔。也就是每训练500次，才进行一次测试。 base_lr: 0.01 #base_lr用于设置基础学习率 lr_policy: "inv" #学习率调整的策略 - fixed: #保持base_lr不变.
- step: #如果设置为step,则还需要设置一个stepsize, 返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数
- exp: #返回base_lr * gamma ^ iter， iter为当前迭代次数
- inv: #如果设置为inv,还需要设置一个power, 返回base_lr * (1 + gamma * iter) ^ (- power)
- multistep: #如果设置为multistep,则还需要设置一个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
- poly: #学习率进行多项式误差, 返回 base_lr (1 - iter/max_iter) ^ (power)
- sigmoid: #学习率进行sigmod衰减，返回 base_lr ( 1/(1 + exp(-gamma * (iter - stepsize)))) momentum ：0.9 #动量 display: 100 #每训练100次，在屏幕上显示一次。如果设置为0，则不显示。 max_iter: 20000 #最大迭代次数，2W次就停止了 snapshot: 5000 #快照。将训练出来的model和solver状态进行保存，snapshot用于设置训练多少次后进行保存
snapshot_prefix: "examples/mnist/lenet" solver_mode: CPU #设置运行模式。默认为GPU,如果你没有GPU,则需要改成CPU,否则会出错。
