LeNet网络配置文件 lenet_train_test.prototxt


.prototxt文件 定义了网络的结构,我们可以通过它了解网络是如何设计的,也可以建立属于自己的网络。这种格式来源于Google的Protocol Buffers,后来被开源,主要用于海量数据存储、传输协议格式等场合。https://blog.csdn.net/liuyuzhu111/article/details/52253491

针对xml解析对时间和空间的开销较大的缺点进行了改进,兼容多种语言,向前/向后兼容,具有生成代码的机制。

lenet_train_test.prototxt 是经典的lenet网络的文件,使用在MNIST手写字符分类中。下面是对它的一些简单的注释


name: "LeNet"
layer {name: "mnist"type: "Data"top: "data"  //输出datatop: "label"  //输出标签include {phase: TRAIN  //在训练阶段才在网络中加入这一层}transform_param {#mean_file: "mean.binaryproto"  //均值文件scale: 0.00390625  //对所有的图片归一化到0~1之间,也就是对输入数据全部乘以scale,0.0039= 1/255}data_param {source: "examples/mnist/mnist_train_lmdb"  // 从指定路径读取文件 所以没有bottombatch_size: 64  //batch大小是64 太大不行 太小也不行 等于1时是online learningbackend: LMDB  //数据类型是lmdb}
}
layer {name: "mnist"type: "Data"top: "data"top: "label"include {phase: TEST   //在测试阶段才在网络中加入这一层}transform_param {#mean_file: "mean.binaryproto"scale: 0.00390625}data_param {source: "examples/mnist/mnist_test_lmdb"batch_size: 100backend: LMDB}
}
layer {name: "conv1"type: "Convolution"bottom: "data"top: "conv1"param {lr_mult: 1 //学习率 在这种情况下,我们将设置权重学习率与求解器在运行时给出的学习率相同,//并且偏差学习率为此的两倍 - 这通常会导致更好的收敛率。}param {lr_mult: 2}convolution_param {num_output: 20  //产生20个通道kernel_size: 5   //卷积核大小stride: 1    //卷积核滑动步长weight_filler {  //权重初始化type: "xavier"//该算法将根据输入和输出的神经元数目自动确定初始化的规模}bias_filler { //偏置填充初始化type: "constant"}}
}
layer {name: "pool1"type: "Pooling"bottom: "conv1"top: "pool1"pooling_param {pool: MAX  //最大池化kernel_size: 2  //每个pool大小是2x2
stride: 2  //步长2,大小2x2,所以没有重叠}
}
layer {name: "conv2"type: "Convolution"bottom: "pool1"  //连接在pool1层之后 top: "conv2"param {lr_mult: 1}param {lr_mult: 2}convolution_param {num_output: 50kernel_size: 5stride: 1weight_filler {type: "xavier"}bias_filler {type: "constant"  }}
}
layer {name: "pool2"type: "Pooling"bottom: "conv2"top: "pool2"pooling_param {pool: MAXkernel_size: 2stride: 2}
}
layer {name: "ip1"type: "InnerProduct"  //内积?bottom: "pool2"top: "ip1"param {lr_mult: 1}param {lr_mult: 2}inner_product_param {num_output: 500weight_filler {type: "xavier"}bias_filler {type: "constant"}}
}
layer {          //同址计算(in-place computation,返回值覆盖原值而占用新的内存)//neuron_layers.hpp中,其派生类主要是元素级别的运算(比如Dropout运算,激活函数ReLu,Sigmoid等name: "relu1"//ReLU是按元素操作的,in-place操作,节省内存type: "ReLU"//通过让输入输出同名,即新的变量代替之前的bottom: "ip1"top: "ip1"
}
layer {name: "ip2"type: "InnerProduct"bottom: "ip1"top: "ip2"param {lr_mult: 1}param {lr_mult: 2}inner_product_param {num_output: 10weight_filler {type: "xavier"}bias_filler {type: "constant"}}
}
layer {name: "accuracy"type: "Accuracy"bottom: "ip2"bottom: "label"top: "accuracy"include {     //决定了这一层什么时候被包含在网络中phase: TEST // accuracy只存在于测试阶段}
}
layer {name: "loss"type: "SoftmaxWithLoss"bottom: "ip2"bottom: "label"top: "loss"
}


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493717.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

现有代码移植到Metro App

现有代码移植到Metro App 一:工程配置 配置WinRT工程时要注意以下几点: 静态库工程General里的“Windows Store App Support”设成trueC\General下面的“Consume Windows Runtime Extension”设成Yes,设置该选项的目的是:引入Micr…

前沿 | 历时十二年!曼彻斯特百万级神经元的类脑超算终开启

具有百万处理器内核的「脉冲神经网络架构」或 SpiNNaker,每秒能完成约 200 兆次运算。来源:机器之心摘要:这台世界最大的神经形态超级计算机由曼彻斯特大学计算机科学学院设计和制造,它被设计和制造成与人脑相同的工作方式&#x…

Caffe中的卷积实现

https://www.zhihu.com/question/28385679 https://github.com/Yangqing/caffe/wiki/Convolution-in-Caffe:-a-memo 作者贾扬清亲自解释了这个问题。Caffe框架是他在研究生毕业毕业前两个月的时间写的,自然有一些缺点(占用内存方面)。其实卷积…

Oracle使用goldengate分别向Oracle和mysql双路的单向复制

一.Oracle分别向Oracle和mysql双路的单向复制是在: ORACLE-mysql的单向复制基础上做的。http://blog.csdn.net/q947817003/article/details/13294937 二.分别再在ORACLE主库及ORACLE目标库上增加相应进程 ORACLE源端增加: 1.增加配置extract进程 按顺序…

小程序创业:新金矿、野望与焦虑

来源:视觉中国摘要:小程序正在带来新的红利,互联网上的生意可以再做一遍?张远想要尽可能地保持低调,但现在这个愿望正在变得越来越难。在最近几个月阿拉丁小程序排行榜上,糖豆广场舞、糖豆爱生活、糖豆每日…

三个数据集与deploy.prototxt

神经网络中经常会出现三种数据集:训练数据集train set、验证数据集validation set、测试数据集test set。对每个训练数据,计算得到准确性,在网络中后向传播误差,从而调整权重weights。对每一个验证数据,也会计算准确性…

网络编程套接字socket

哈哈哈,之前的保存成草稿忘了发 目录 一 . 先回顾一下网络初始中的相关概念: 1.网络通信: 2.局域网: 3.广域网: 4.IP地址: 5.端口: 概念 格式 6.协议: 7.五元组: 8.分层…

增长率高达40%!物联网平台如何拉动产业马车飞速狂奔

来源: 联动原素、安信通信研究、IoT Analytics物联网智库 整理发布物联网的低准入门槛造就了这个内容庞大的产业生态,致使更多的企业融入进来。伴随物联网大规模发展,物联网平台在其中的作用越加凸显,新一轮资本涌入、技术开发、业…

Java小对象的解决之道——对象池(Object Pool)的设计与应用

一、概述 面向对象编程是软件开发中的一项利器,现已经成为大多数编程人员的编程思路。很多高级计算机语言也对这种编程模式提供了很好的支持,例如C、Object Pascal、Java等。曾经有大量的软件工程师使用C语言作为他们的谋生工具,随着面向对象…

中国代表性Fintech企业动态观察

来源:全球高科技联盟阿里巴巴系企业一、阿里巴巴金融科技和区块链总体布局揭开面纱9月28日,阿里达摩院官网正式上线,公开5 大研究领域、14 个实验室,从中可一探阿里在金融科技和区块链领域的总体技术布局。阿里金融科技领域致力于…

新建WindowsPhone项目时提示未将对象引用设置到对象的实例

问题: 安装好新系统之后(只有Windows8 专业版和企业版支持hyper-v),然后安装vs2012,再安装Wp8 Sdk,安装完毕后新建Windows Phone项目,会提示未将对象引用设置到对象的实例。 解决方案&#xff1…

windows+caffe下对CIFAR训练

CIFAR是什么 CIFAR-10和CIFAR-100都是带标签的大小为8000万小图数据集的子集。其中CIFAR-10有10类,每类6000个大小为32x32的图像。其中训练图像和测试图像的比例是5:1,对每类图像,随机选择1000个测试图像,剩下的就是训练图像。注意…

BAT看上了产业互联网

来源:《中国经济周刊》2018年 第 43 期摘要:互联网浪潮正从过去的消费互联网向产业互联网转移,巨头们正在把“矛头”从C(消费者)端转向B(企业)端,他们希望越来越多的企业接入互联网,进行数字化和智能化改造&#xff0c…

hdu 1165 坑爹找规律题

http://acm.hdu.edu.cn/showproblem.php?pid1165 不看题解,使劲找规律,应该是可以找到的,就是费时间! Problem DescriptionAs is known, Ackermann function plays an important role in the sphere of theoretical computer sci…

caffe下matlab、python的配置和faster RCNN的运行

因为自己的电脑没有安装linux环境,显卡也不支持CUDA,所以在实现faster RCNN的demo的过程中还是很麻烦的。 完善项目文件 下图是vs2013 打开的caffe解决方案的工程目录。由于windows版本caffe的不完善,要先在其libcaffe项目中添加roi_poling层…

Innodb 表空间卸载、迁移、装载

从MySQL的Innodb特性中我们知道,Inndob的表空间有共享和独享的特点,如果是共享的。则默认会把表空间存放在一个文件中(ibdata1),当开启独享表空间参数Innodb_file_per_table时,会为每个Innodb表创建一个.ib…

马化腾与中国知名科学家联手发起“科学探索奖”

来源:腾讯今日,公布一件大事情:腾讯基金会将投入10亿元人民币的启动资金资助“科学探索奖”,每年将在基础科学和前沿核心技术方面的九大领域,遴选出50名青年科技工作者。获奖人年龄上限为45岁,且每位获奖者…

AI人工智能ML机器学习DL深度学习

人工智能Artificial Intelligence最早是在1956年提出的。几个计算机科学家在达特茅斯会议上希望能使计算机不仅仅是进行简单的计算,而是可以达到人脑相同的功能。关于人工智能,罗辑思维节目还做过一期节目,里面讲到人工智能一开始被嘲笑&…

转:DP和HDP

Dirichlet Process and Hierarchical Dirichlet Process 原文:http://hi.baidu.com/zentopus/item/46a622f5ef13e4c5a835a28e Dirichlet Process and Hierarchical Dirichlet Process 在这篇文章里,我会初步地介绍Dirichlet Process以及Hierarchical Dir…

摩尔定律的三种走向

来源:科学网中兴事件以来,中国集成电路行业的发展受到全国人民的关注。许多人群情激奋,恨不得马上自力更生,赶上先进。也有一些人认为现在的世界经济是一个综合体,一个国家不可能样样领先,需要时日。正好&a…