Caffe学习系列(3)：视觉层（Vision Layers)及参数

所有的层都具有的参数，如name, type, bottom, top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数

本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。

1、Convolution层：

就是卷积层，是卷积神经网络（CNN）的核心层。

层类型：Convolution

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。

在后面的convolution_param中，我们可以设定卷积层的特有参数。

必须设置的参数：

  num_output: 卷积核的数量

  kernel_size: 卷积核的大小。如果卷积核的长和宽不等，需要用kernel_h和kernel_w分别设定

其它参数：

   stride: 卷积核的步长，默认为1，也可以用stride_h和stride_w来设置。

   pad: 扩充边缘，使得卷积变换之后，图像不变小。默认为0，不扩充。 扩充的时候是左右、上下对称的，比如设置为2，则四个边缘都扩充2个像素，即宽度和高度都扩充了4个像素。也可以通过pad_h和pad_w来分别设定。

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"
    }
  }
}

Caffe学习系列(3)：视觉层（Vision Layers)及参数

原文：http://www.cnblogs.com/denny402/p/5071126.html