为部署、测试保存了哪些迭代权重？
Which iterations weights are saved for deployment, testing?
我正在训练一个 unet 神经网络。在训练期间，每次迭代都有一个"loss value"。这个值一般会收敛，但有时会跳来跳去。 .caffemodel 文件中最终保存了哪些权重？
如果我在第 20000 次迭代时保存它会发生什么情况，而这恰好是损失略有上升的点，这不是它所见过的最低损失吗？是从上次迭代中保存的权重和偏差还是更智能的东西，比如最后 5% 次迭代中的最低值？
谢谢
Solver.prototxt 有一个名为 "snapshot"
的参数
net: "path/to/train.prototxt"
.
.
max_iter: 20000
snapshot: 1000
snapshot_prefix: "path/to/caffemodel/"
solver_mode: GPU
例如，如果您固定快照：1000，那么每 1000 次迭代都会保存一个文件 .caffemodel，其权重对应于该次迭代，而不管前一次迭代中的损失是否较小。
我正在训练一个 unet 神经网络。在训练期间，每次迭代都有一个"loss value"。这个值一般会收敛，但有时会跳来跳去。 .caffemodel 文件中最终保存了哪些权重？
如果我在第 20000 次迭代时保存它会发生什么情况，而这恰好是损失略有上升的点，这不是它所见过的最低损失吗？是从上次迭代中保存的权重和偏差还是更智能的东西，比如最后 5% 次迭代中的最低值？
谢谢
Solver.prototxt 有一个名为 "snapshot"
的参数net: "path/to/train.prototxt"
.
.
max_iter: 20000
snapshot: 1000
snapshot_prefix: "path/to/caffemodel/"
solver_mode: GPU
例如，如果您固定快照：1000，那么每 1000 次迭代都会保存一个文件 .caffemodel，其权重对应于该次迭代，而不管前一次迭代中的损失是否较小。