以caffe-master\examples\mnist\lenet_solver.prototxt文件來解析，這個文件爲訓練mnist模型時的超參數文件，這個文件中中有兩個參數test_iter與test_interval，這裏用了單詞“test”，但這個超參數時在訓練階段使用，而不是測試階段，因此我認爲應該翻譯爲驗證更合適。因此文件參數解析如下：
test_iter: 100 #一次驗證計算的圖片批次，一次驗證計算所有驗證集圖片（10000張），分test_iter(100)次進行，每個批次包含64（batch_size）張驗證集圖片。也就是說一次驗證完成100個批次的圖片驗證
test_interval: 500 #每訓練500次（即迭代500次），進行一次驗證。
base_lr: 0.01 #基礎學習率，即初始訓練時的學習率
momentum: 0.9 #梯度下降法中的參數，一般不需變化
weight_decay: 0.0005 #權重衰減項，即正則化項前面的係數，用於防止過擬合
lr_policy: "inv" #訓練過程中學習率調整的方法，如果設置爲inv, 學習率更新爲 base_lr * (1 + gamma * iter) ^ (- power)
gamma: 0.0001 #學習率變化的比率
power: 0.75 #inv中的參數
display: 100 #每訓練（迭代）100次顯示一次訓練的結果
max_iter: 10000 #總共訓練（迭代）10000次
snapshot: 5000 #每5000次訓練（迭代）輸出caffemodel權重文件
snapshot_prefix: "examples/mnist/mnist_data/lenet" #權重文件路徑
solver_mode: GPU #使用GPU訓練
訓練過程中的參數對應如下：
