?caffe在訓練的時候，需要一些參數設置，我們一般將這些參數設置在一個叫solver.prototxt的文件里面

有一些參數需要計算的，也不是亂設置。

假設我們有50000個訓練樣本，batch_size為64，即每批次處理64個樣本，那么需要迭代50000/64=782次才處理完一次全部的樣本。我們把處理完一次所有的樣本，稱之為一代，即epoch。所以，這里的test_interval設置為782，即處理完一次所有的訓練數據后，才去進行測試。如果我們想訓練100代，則需要設置max_iter為78200.

同理，如果有10000個測試樣本，batch_size設為32，那么需要迭代10000/32=313次才完整地測試完一次，所以設置test_iter為313.

?學習率變化規律我們設置為隨著迭代次數的增加，慢慢變低。總共迭代78200次，我們將變化lr_rate三次，所以stepsize設置為78200/3=26067，即每迭代26067次，我們就降低一次學習率。?

下面是生成solver文件的python代碼，比較簡單：

# -*- coding: utf-8 -*- """ Created on Sun Jul 17 18:20:57 2016@author: root """ path='/home/xxx/data/' solver_file=path+'solver.prototxt' #solver文件保存位置 sp={} sp['train_net']=‘“’+path+'train.prototxt”' # 訓練配置文件 sp['test_net']=‘“’+path+'val.prototxt”' # 測試配置文件 sp['test_iter']='313' # 測試迭代次數 sp['test_interval']='782' # 測試間隔 sp['base_lr']='0.001' # 基礎學習率 sp['display']='782' # 屏幕日志顯示間隔 sp['max_iter']='78200' # 最大迭代次數 sp['lr_policy']='“step”' # 學習率變化規律 sp['gamma']='0.1' # 學習率變化指數 sp['momentum']='0.9' # 動量 sp['weight_decay']='0.0005' # 權值衰減 sp['stepsize']='26067' # 學習率變化頻率 sp['snapshot']='7820' # 保存model間隔 sp['snapshot_prefix']=‘"snapshot"’ # 保存的model前綴 sp['solver_mode']='GPU' # 是否使用gpu sp['solver_type']='SGD' # 優化算法 def write_solver(): #寫入文件 with open(solver_file, 'w') as f: for key, value in sorted(sp.items()): if not(type(value) is str): raise TypeError('All solver parameters must be strings') f.write('%s: %s\n' % (key, value)) if __name__ == '__main__': write_solver()

?執行上面的文件，我們就會得到一個solver.prototxt文件，有了這個文件，我們下一步就可以進行訓練了。

轉載于:https://www.cnblogs.com/niulang/p/8984818.html

總結

以上是生活随笔為你收集整理的caffe的python接口学习（2）生成solver文件的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。