solver.prototxt文件

net：网络文件的路径；

epoch：epoch表示将所有图片在网络中训练一次所需要的迭代次数。假设训练batch_size为64，即每迭代一次，训练64张图片；若训练集图片总数为320000张，那么所有图片通过网络训练一次，需要320000/64=5000次迭代，即epoch值为5000。若训练10个epoch，总迭代次数为10*5000=50000次。

max_iter：网络的最大迭代次数；

test_iter：测试需要迭代的次数；（测试batch_size*test_iter的值大于等于测试数据的个数）

test_interval：训练时，每迭代test_interval次，进行一次测试；

base_lr：表示基础学习率，在参数梯度下降优化的过程中，学习率会有所调整，而调整的策略可通过lr_policy参数进行设置；

lr_policy：学习率的调整策略；

        fixed：保持base_lr不变；

        step：如果设置step，还需要设置stepsize；返回base_lr*gamma^(floor(iter/stepsize))，其中floor表示返回数字的下舍整数，iter表示当前迭代次数；

        exp：返回base_lr*gamma^iter；

        inv：如果设置为inv，还需要设置power；返回base_lr*(1+gamma*iter)^(-power)；

        multistep：如果设置为multistep，还需要设置stepvalue，类似于step，step是均匀等间隔变化，而multistep是根据stepvalue值变化；

        poly：学习率进行多项式误差；返回base_lr*(1-iter/max_iter)^power；

        sigmoid：学习率进行sigmoid衰减；返回base_lr*(1/(1+exp(-gamma*(iter-stepsize))))；

momentum：表示上一次梯度更新的权重；

weight_decay：表示权重衰减，用于防止过拟合；

参考链接：https://www.cnblogs.com/hust-yingjie/p/6552744.html