Caffe LeNet：`solver.step(1)` 和 `solver.net.forward()` 之间的区别
Caffe LeNet: Difference between `solver.step(1)` and `solver.net.forward()`
我正在查看 Caffe LeNet 教程 here，我想到了一个问题：
这两个代码有什么区别：
self.solver.step(1)
和
self.solver.net.forward() # train net
他们似乎都至少根据评论训练了网络。
我个人认为第一个在训练数据上训练网络并更新 net 和 test_net 的权重，但第二个似乎只转发一批数据并应用从上一步学习权重。
如果我认为是对的，那么教程中第二个代码的目的是什么？为什么代码做了 net.forward ？不能 solver.step(1) 自己做吗？
感谢您的宝贵时间
step 进行一次完整的迭代，涵盖所有三个阶段：forward evaluation，backward传播，以及 更新。对 forward 的调用只执行其中的第一个。签名（参数列表）也有差异
我在 solver.step(1) 和 solver.net.forward() 中发现了一个奇怪的行为。当我为输入网络使用自定义层时，我的实例层在使用之前需要一个变量：
solver.net.layers[0].mySet(variable)
variable 是在我的图层的局部变量中设置的。但是当我调用 solver.step 时，那个变量没有出现。但是，当我使用 solver.net.forward() 时，它确实如此。我不确定，但也许 solver.step 正在为层实例化一个新变量。
我正在查看 Caffe LeNet 教程 here，我想到了一个问题：
这两个代码有什么区别：
self.solver.step(1)
和
self.solver.net.forward() # train net
他们似乎都至少根据评论训练了网络。
我个人认为第一个在训练数据上训练网络并更新 net 和 test_net 的权重，但第二个似乎只转发一批数据并应用从上一步学习权重。
如果我认为是对的，那么教程中第二个代码的目的是什么？为什么代码做了 net.forward ？不能 solver.step(1) 自己做吗？
感谢您的宝贵时间
step 进行一次完整的迭代，涵盖所有三个阶段：forward evaluation，backward传播，以及 更新。对 forward 的调用只执行其中的第一个。签名（参数列表）也有差异
我在 solver.step(1) 和 solver.net.forward() 中发现了一个奇怪的行为。当我为输入网络使用自定义层时，我的实例层在使用之前需要一个变量：
solver.net.layers[0].mySet(variable)
variable 是在我的图层的局部变量中设置的。但是当我调用 solver.step 时，那个变量没有出现。但是，当我使用 solver.net.forward() 时，它确实如此。我不确定，但也许 solver.step 正在为层实例化一个新变量。