Caffe LeNet：`solver.step(1)和`solver.net.forward()的区别

Question

我正在查看Caffe LeNet教程这里，我想到了一个问题：

这两个代码之间有什么区别：

self.solver.step(1)

和

self.solver.net.forward()  # train net

据评论称，他们两人似乎都在训练网络，至少是这样。

我个人认为，第一种方法是根据培训数据对网络进行训练，并更新net和test_net的权重，而第二种方法似乎只转发了一批数据并应用上一步学习到的权重。

如果我认为正确，那么教程中第二段代码的目的是什么？为什么代码要做net.forward呢？solver.step(1)不能自己做这个吗？

耽误您时间，实在对不起

Answer 1

step完成一个完整的迭代，包括三个阶段：正向评估、反向传播和更新。对转发的调用只执行其中的第一个。签名(参数列表)也有差异。

Answer 2

我在solver.step(1)和solver.net.forward()中发现了一种奇怪的行为。当我为输入网络使用自定义层时，实例层在使用以下变量之前需要一个变量：

solver.net.layers[0].mySet(variable)

variable是在我的层的局部变量中设置的。但是，当我调用solver.step时，该变量不会出现。但是，当我使用solver.net.forward()时，它就会出现。我不确定，但也许solver.step正在为该层实例化一个新变量。