src/programs/imagenet.prototxt

   1 name: "CaffeNet"
   2 layers {
   3   layer {
   4     name: "data"
   5     type: "data"
   6     source: "/home/jiayq/caffe-train-leveldb"
   7     batchsize: 128
   8     subtraction: 114
   9     cropsize: 227
  10     mirror: true
  11   }
  12   top: "data"
  13   top: "label"
  14 }
  15 layers {
  16   layer {
  17     name: "conv1"
  18     type: "conv"
  19     num_output: 96
  20     kernelsize: 11
  21     stride: 4
  22     weight_filler {
  23       type: "gaussian"
  24       std: 0.01
  25     }
  26     bias_filler {
  27       type: "constant"
  28       value: 0
  29     }
  30     blobs_lr: 1.
  31     blobs_lr: 2.
  32   }
  33   bottom: "data"
  34   top: "conv1"
  35 }
  36 layers {
  37   layer {
  38     name: "relu1"
  39     type: "relu"
  40   }
  41   bottom: "conv1"
  42   top: "relu1"
  43 }
  44 layers {
  45   layer {
  46     name: "pool1"
  47     type: "pool"
  48     pool: MAX
  49     kernelsize: 3
  50     stride: 2
  51   }
  52   bottom: "relu1"
  53   top: "pool1"
  54 }
  55 layers {
  56   layer {
  57     name: "norm1"
  58     type: "lrn"
  59     local_size: 5
  60     alpha: 0.0001
  61     beta: 0.75
  62   }
  63   bottom: "pool1"
  64   top: "norm1"
  65 }
  66 layers {
  67   layer {
  68     name: "pad2"
  69     type: "padding"
  70     pad: 2
  71   }
  72   bottom: "norm1"
  73   top: "pad2"
  74 }
  75 layers {
  76   layer {
  77     name: "conv2"
  78     type: "conv"
  79     num_output: 256
  80     group: 2
  81     kernelsize: 5
  82     weight_filler {
  83       type: "gaussian"
  84       std: 0.01
  85     }
  86     bias_filler {
  87       type: "constant"
  88       value: 1
  89     }
  90     blobs_lr: 1.
  91     blobs_lr: 2.
  92   }
  93   bottom: "pad2"
  94   top: "conv2"
  95 }
  96 layers {
  97   layer {
  98     name: "relu2"
  99     type: "relu"
 100   }
 101   bottom: "conv2"
 102   top: "relu2"
 103 }
 104 layers {
 105   layer {
 106     name: "pool2"
 107     type: "pool"
 108     pool: MAX
 109     kernelsize: 3
 110     stride: 2
 111   }
 112   bottom: "relu2"
 113   top: "pool2"
 114 }
 115 layers {
 116   layer {
 117     name: "norm2"
 118     type: "lrn"
 119     local_size: 5
 120     alpha: 0.0001
 121     beta: 0.75
 122   }
 123   bottom: "pool2"
 124   top: "norm2"
 125 }
 126 layers {
 127   layer {
 128     name: "pad3"
 129     type: "padding"
 130     pad: 1
 131   }
 132   bottom: "norm2"
 133   top: "pad3"
 134 }
 135 layers {
 136   layer {
 137     name: "conv3"
 138     type: "conv"
 139     num_output: 384
 140     kernelsize: 3
 141     weight_filler {
 142       type: "gaussian"
 143       std: 0.01
 144     }
 145     bias_filler {
 146       type: "constant"
 147       value: 0
 148     }
 149     blobs_lr: 1.
 150     blobs_lr: 2.
 151   }
 152   bottom: "pad3"
 153   top: "conv3"
 154 }
 155 layers {
 156   layer {
 157     name: "relu3"
 158     type: "relu"
 159   }
 160   bottom: "conv3"
 161   top: "relu3"
 162 }
 163 layers {
 164   layer {
 165     name: "pad4"
 166     type: "padding"
 167     pad: 1
 168   }
 169   bottom: "relu3"
 170   top: "pad4"
 171 }
 172 layers {
 173   layer {
 174     name: "conv4"
 175     type: "conv"
 176     num_output: 384
 177     group: 2
 178     kernelsize: 3
 179     weight_filler {
 180       type: "gaussian"
 181       std: 0.01
 182     }
 183     bias_filler {
 184       type: "constant"
 185       value: 1
 186     }
 187     blobs_lr: 1.
 188     blobs_lr: 2.
 189   }
 190   bottom: "pad4"
 191   top: "conv4"
 192 }
 193 layers {
 194   layer {
 195     name: "relu4"
 196     type: "relu"
 197   }
 198   bottom: "conv4"
 199   top: "relu4"
 200 }
 201 layers {
 202   layer {
 203     name: "pad5"
 204     type: "padding"
 205     pad: 1
 206   }
 207   bottom: "relu4"
 208   top: "pad5"
 209 }
 210 layers {
 211   layer {
 212     name: "conv5"
 213     type: "conv"
 214     num_output: 256
 215     group: 2
 216     kernelsize: 3
 217     weight_filler {
 218       type: "gaussian"
 219       std: 0.01
 220     }
 221     bias_filler {
 222       type: "constant"
 223       value: 1
 224     }
 225     blobs_lr: 1.
 226     blobs_lr: 2.
 227   }
 228   bottom: "pad5"
 229   top: "conv5"
 230 }
 231 layers {
 232   layer {
 233     name: "relu5"
 234     type: "relu"
 235   }
 236   bottom: "conv5"
 237   top: "relu5"
 238 }
 239 layers {
 240   layer {
 241     name: "pool5"
 242     type: "pool"
 243     kernelsize: 3
 244     pool: MAX
 245     stride: 2
 246   }
 247   bottom: "relu5"
 248   top: "pool5"
 249 }
 250 layers {
 251   layer {
 252     name: "fc6"
 253     type: "innerproduct"
 254     num_output: 4096
 255     weight_filler {
 256       type: "gaussian"
 257       std: 0.005
 258     }
 259     bias_filler {
 260       type: "constant"
 261       value: 1
 262     }
 263     blobs_lr: 1.
 264     blobs_lr: 2.
 265   }
 266   bottom: "pool5"
 267   top: "fc6"
 268 }
 269 layers {
 270   layer {
 271     name: "relu6"
 272     type: "relu"
 273   }
 274   bottom: "fc6"
 275   top: "relu6"
 276 }
 277 layers {
 278   layer {
 279     name: "drop6"
 280     type: "dropout"
 281     dropout_ratio: 0.5
 282   }
 283   bottom: "relu6"
 284   top: "drop6"
 285 }
 286 layers {
 287   layer {
 288     name: "fc7"
 289     type: "innerproduct"
 290     num_output: 4096
 291     weight_filler {
 292       type: "gaussian"
 293       std: 0.005
 294     }
 295     bias_filler {
 296       type: "constant"
 297       value: 1
 298     }
 299     blobs_lr: 1.
 300     blobs_lr: 2.
 301   }
 302   bottom: "drop6"
 303   top: "fc7"
 304 }
 305 layers {
 306   layer {
 307     name: "relu7"
 308     type: "relu"
 309   }
 310   bottom: "fc7"
 311   top: "relu7"
 312 }
 313 layers {
 314   layer {
 315     name: "drop7"
 316     type: "dropout"
 317     dropout_ratio: 0.5
 318   }
 319   bottom: "relu7"
 320   top: "drop7"
 321 }
 322 layers {
 323   layer {
 324     name: "fc8"
 325     type: "innerproduct"
 326     num_output: 1000
 327     weight_filler {
 328       type: "gaussian"
 329       std: 0.01
 330     }
 331     bias_filler {
 332       type: "constant"
 333       value: 0
 334     }
 335     blobs_lr: 1.
 336     blobs_lr: 2.
 337   }
 338   bottom: "drop7"
 339   top: "fc8"
 340 }
 341 layers {
 342   layer {
 343     name: "loss"
 344     type: "softmax_loss"
 345   }
 346   bottom: "fc8"
 347   bottom: "label"
 348 }