caffe模型常用参数解释

数据层：   layer {     name: "mnist"//名字mnist     type: "Data"//类型data     top: "data"//输出数据     top: "label"//输出标签   include {       phase: TRAIN     }     transform_param {       scale: 0.00390625//归一化 {0-255}->{0-1}    }     data_param {       source: "examples/mnist/mnist_train_lmdb"       batch_size: 64       backend: LMDB     }   }   卷积层   layer {     name: "conv1"     type: "Convolution"     bottom: "data"//输入data blob     top: "conv1"//输出conv1    param {       lr_mult: 1//权重学习率倍乘因子。乘以全局学习率   }     param {       lr_mult: 2//偏置学习率倍乘因子。乘以全局学习率   }     convolution_param {       num_output: 20//cov1层将产生输出20个通道       kernel_size: 5//卷积核大小是5*5       stride: 1//步长是1       weight_filler {//权重初始化方法，使用xavier算法填充weight。       type: "xavier"       }       bias_filler {//偏置初始化方法，使用constant算法填充bias。默认是常数0         type: "constant"       }     }   }   池化层  layer {     name: "pool1"     type: "Pooling"     bottom: "conv1"     top: "pool1"     pooling_param {       pool: MAX//使用MAX进行池化       kernel_size: 2//卷积核大小是2*2       stride: 2//步长是2     }   }      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//产生500维的输出数据       weight_filler {         type: "xavier"       }       bias_filler {         type: "constant"       }     }   }      ReLU层   layer {     name: "relu1"     type: "ReLU"     bottom: "ip1"     top: "ip1"   }       Loss层  layer {     name: "loss"     type: "SoftmaxWithLoss"     bottom: "ip2"   bottom: "label"//来自数据层的标签     top: "loss"   }