caffe SolverParameter中的iter_size參數什麼作用？

看代碼是將ForwardBackward重複執行了幾遍，但這樣有什麼作用呢？

---

謝邀。我也是接觸不久，僅供參考。

每次循環都會以batch_size大小計算梯度和loss，最後再取iter_size次的平均。可以看成iter_size*batch_size次更新一次參數。這樣的好處是比一次使用大的batch_size要節省存儲。

---

Dtype loss = 0;

for (int i = 0; i &< param_.iter_size(); ++i) {

//前向傳播+後向傳播

loss += net_-&>ForwardBackward();

}

loss /= param_.iter_size();

....

ApplyUpdate();

處理batchsize*itersize張圖片後，才調用一次ApplyUpdate函數根據學習率、method(SGD、AdaSGD等)進行梯度下降。

---

這個參數乘上你的train prototxt中的batch size是你實際使用的batch size。 相當於讀取batchsize*itersize個圖像才做一下gradient decent。 這個參數可以規避由於gpu不足而導致的batchsize的限制 因為你可以用多個iteration做到很大的batch 即使單次batch有限

---

看代碼解析，很明白的Caffe代碼解析(4)

---

推薦閱讀：