تعریف solver در caffe

Question

با سلام و تشکر به خاطر سایت فوق العادتون
اگر ممکنه در مورد گزینه های power , snapshot , snapshot_prefix بیشتر توضیح بدید یا در مورد کارایی آنها مثال بزنید
با تشکر فراوان

Answer 1

سلام
همه اینا در سایت توضیح داده شده .لطفا مطالب رو بخونید و باز اگر مشکل داشتید بفرمایید.
بصورت خلاصه snapshot_prefix همون پیشوند نامی هست که برای snapshot ها استفاده میشه . snapshot هم به همون مدل ذخیره شده شما گفته میشه . یعنی شما شبکه اتون رو مثلا برای 200 تکرار آموزش دادید میتونید همه اطلاعات اون رو در قالب یک فایل که ما بهش میگیم snapshot ذخیره کنید و بعد این snapshot رو لود کنید برای از سرگیری آموزش و یا حتی استفاده در تست .(مثلا هر وقت نتیجه شبکه خوب شد میتونید سیو کنید و از اون در کارهاتون استفاده کنید)
power هم همون توان هست که در سیاست های مربوط به نرخ یادگیری استفاده میشه (البته نه در همه ) که به تفصیل در آموزش کفی در سایت همه اینها توضیح داده شدن.

Comments

ممنون از لطفتون آقای حسن پور
راستش من دوبار مطالب سایت رو خوندم ولی توضیحی درمورد power , snapshot ندیدم الانم که فرمودید دوباره چک کردم تعریفی از اینها نیست ، خودتونم یه ملاحظه بفرمایید
پس این جور که فرمودید snapshot باعث میشه ما از مدل بدون ترین مجدد استفاده کنیم حالا یا برای ادامه آموزش یا برای تست یا اصلا استفاده کاربردی (مثلا ی عکس خودمون بدید تشخیص بده که چیه ) درست متوجه شدم ؟

---

بخش فاین تونینگ که توضیح داشت . بخش سالور هم توضیح power بود . تو بخش لایه ها هم (بخش اول آموزش) در مورد لایه Power بحث شده که اونجا هم اومده صرفا برای به توان رسوندن مولفه ها استفاده میشه. و چون مشخص نکردید من power در نرخ یادگیری رو توضیح دادم که یک مولفه از میان بقیه مولفه هاس که مشخصه باز اونجا.
برای اسنپ شات هم دقیقا برای ذخیره سازی مدل هست یا برای اموزش بعدی یا برای تست .که وقتی اسنپ شات گرفته میشه دوتا فایل ایجاد میشه یکی caffemodel و یکی دیگه solverstate هست.

---

واقعا سپاس گذارم خیلی زحمت کشیدید
جسارتا یه توضیحی بدم راستش من با توجه به توضیح های الآنتون تازه مطالب فاین تونینگ رو یه خورده متوجه شدم متاسفانه من اصلا با اون بخش نتونستم ارتباط برقرار کنم و هیچی ازش نفهمیدم  و تو کامنت همون بخش هم خاطرتون باشه این مطلب رو عرض کرده بودم ، راجب power هم درست میفرمایید تو بخش لایه های توضیح داده شده  ولی خوب من نمیدونستم عملکرد لایه پاور با پایور در سالور یکسانه و در بخش سالورهم فقط به این نکته که یک مولفه اس که باید تعیین بشه اکتفا شده و اینکه کارش چیه و دلیل استفاده ازش چیه بیان نشده بود
عذرمیخواهم اینا رو نگفتم تا جواب صحبت شما رو بدم فقط خواستم خدایی نکرده برداشت نکنید که آدم تنبلیم یا پیگیر نبودم و همینجوری سوال پرسیدم که کارم راحت بشه ، به هرحال من تازه کارم و قطعا تمام چیزهایی که تو بخشهایی سایت فرمودید رو نمیتونم برداشت و درک کنم و شاید سوالهایی بپرسم که نباید به بزرگواری خودتون ببخشید
از حوصله ای که به خرج دادید ممنونم

---

اصلا نیاز به عذرخواهی نیست. فقط هر وقت کاری کردید سعی کنید کامل و دقیق حرفتون رو بزنید. مثلا بگید من فلان جا رو خوندم همچین چیزی رو هم دیدم اما اصلا متوجه نشدم و یا نمیشم داستانش چیه . اینطوری امثال من دقیقا متوجه میشن مشکل شما چیه و چقدر نیاز به توضیح داره و توضیحات مورد نیاز رو میدیم.
در مورد پاور هم معنیش به انگلیسی میشه همون توان که مشخصه دیگه. لایه پاور با اون مولفه پاور ارتباط مستقیمی ندارن جز اینکه هردو توان هستن. حالا یک نرخ یادگیری یک فرمولی داره که توش توان استفاده شده یکی نداره. (از این برای ایجاد نرخ یادگیری خطی هم استفاده میکنن ) . اون لایه توان هم برای اجازه دهی به کاربر و انعطاف بیشتره که اگر چیزی تو ذهنش بود که نیازمند اعمال توان روی تمامی المانهاس ازش استفاده بشه.