我试图解释和理解写入的模型 咖啡 </跨度> .proto。
昨天我在这里看到了Shai的一个示例’deploy.prototxt’,如下所示:
层{ 名称:“ip1_a …
您正在混合两种数据类型:输入(训练)数据和网络参数。 在训练期间,输入数据被固定到已知的训练/验证集,并且仅改变净参数。相反,在部署网络时,数据会更改为新图像,而网络参数是固定的。看到 这个答案 有关caffe存储这两种数据的方式的一些深入描述。
在您显示的示例中,有两个输入训练数据路径: data_a 和 data_b 可能是 不同 每次都是图像。输入blob通过InnerProduct层变为 ip1_a 和 ip1_b 分别是blob。然后将它们连接成一个blob ip1_combined 然后将其送入最终的InnerProduct层。
data_a
data_b
ip1_a
ip1_b
ip1_combined
另一方面,该模型有一组参数: ip1_w 和 ip1_b (第一内层产品的重量和偏差)。在此特定示例中,层的参数被明确命名以指示它们的事实 共享 之间 ip1_a 和 ip1_b 层。
ip1_w
至于两个 lr_mult :那么是的,第一个是权重的LR乘数,第二个是偏差项。
lr_mult