Question

我试图了解caffe的基础知识，特别是与python一起使用。

我的理解是模型定义（比如给定的神经网络架构）必须包含在'.prototxt'文件中。

当您使用'.prototxt'训练数据模型时，您将权重/模型参数保存到'.caffemodel'文件

此外，用于培训的'.prototxt'文件（包括学习率和正则化参数）与用于测试/部署的文件（不包括它们）之间存在差异。

问题：

'.prototxt'是培训的基础是正确的 '.caffemodel'是训练（权重）的结果，使用 '.prototxt'关于培训数据？
是否正确，'.prototxt'用于培训，一个用于培训测试，并且只有轻微的差异（学习率和训练中的正规化因素），但那个nn 架构（假设你使用神经网络）是一样的吗？

对于这些基本问题以及可能是一些非常不正确的假设表示道歉，我正在做一些在线研究，上面的几行总结了我迄今为止的理解。

Answer 1

让我们来看看BVLC / caffe提供的一个例子：bvlc_reference_caffenet 您会注意到实际上有 3 n file included from main.cpp:1: /usr/include/c++/v1/functional:1454:41: error: no type named 'type' in 'std::__1::enable_if<false, void>'; 'enable_if' cannot be used to disable this declaration __callable<_Fp>::value && ^~~~~~~~~~~~~~~~~~~~~~~~~ main.cpp:10:15: note: in instantiation of member function 'std::__1::function<int (int)>::function' requested here using base::function; ^ main.cpp:14:25: note: while substituting deduced template arguments into function template 'my_function' [with _Fp = nullptr_t] my_function<int(int)> f = nullptr; ^ 1 error generated.个文件：

train_val.prototxt：此文件描述了培训阶段的网络架构。
depoly.prototxt：此文件描述了测试时间的网络架构（“部署”）。
solver.prototxt：此文件非常小，包含用于培训的“元参数”。例如，learning rate policy，regulariztion等

'.prototxt'和train_val.prototxt代表的网络架构应该大致相似。这两者之间几乎没有什么区别：

输入数据：在训练期间，通常使用一组预定义的输入进行训练/验证。因此，deploy.prototxt通常包含显式输入图层，例如train_val图层或"HDF5Data"图层。另一方面，"Data"通常不知道它将获得什么输入，它只包含一个声明：
```
deploy
```
声明网络所期望的输入以及其尺寸应该是什么或者，One可以放置"Input"图层：
```
input: "data"
input_shape {
  dim: 10
  dim: 3
  dim: 227
  dim: 227
}
```
输入标签：在培训期间，我们向网络提供“基本事实”预期输出，这些信息在layer { name: "input" type: "Input" top: "data" input_param { shape { dim: 10 dim: 3 dim: 227 dim: 227 } } }期间显然不可用。
损失层：在训练期间，必须定义损失层。该层告诉求解器它应该在每次迭代时调整参数的方向。这种损失将网络的当前预测与预期的“基本事实”进行了比较。损失的梯度反向传播到网络的其余部分，这是推动学习过程的原因。在deploy期间，没有丢失，也没有反向传播。

在caffe中，您提供了一个deploy来描述网络，火车/瓦尔数据集和损失。此外，您提供了描述培训元参数的train_val.prototxt。训练过程的输出是一个solver.prototxt二进制文件，其中包含经过训练的网络参数。
网络经过培训后，您可以使用.caffemodel和deploy.prototxt参数来预测新输入和看不见输入的输出。

Answer 2

是的但是，有不同类型的.prototxt文件例如

https://github.com/BVLC/caffe/blob/master/examples/mnist/lenet_train_test.prototxt

这是针对培训和测试网络的

用于命令行训练ypu可以使用求解器文件，例如.prototxt文件

https://github.com/BVLC/caffe/blob/master/examples/mnist/lenet_solver.prototxt

深度学习 - 关于咖啡的一些天真的问题

2 个答案: