在上面的两篇文章中，我们讲述了lenet-5网络模型，有了模型，我们还需要有求解器，才能够对模型进行训练和测试，求解器描述文件是对求解器参数进行描述的文件，文件名为lenet_solver.prototxt，它位于caffe根目录的examples/mnist/路径下。这个文件比较简单，如下所示。
net: "examples/mnist/lenet_train_test.prototxt"
test_iter: 100
test_interval: 500
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005
lr_policy: "inv"
gamma: 0.0001
power: 0.75
display: 100
max_iter: 10000
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"
solver_mode: CPU下面我们逐条对这个文件进行详解。
net: "examples/mnist/lenet_train_test.prototxt"这一行表示求解过程使用的网络模型的描述文件为examples/mnist/路径下的lenet_train_test.prototxt
test_iter: 100这一行定义的test_iter表示测试的迭代次数，定义为100次，经过前几篇文章的介绍，我们知道，测试集的样本数为10000，而lenet网络模型中的定义，测试阶段一次迭代的样本数为100，测试阶段进行100次迭代，则正好覆盖到整个测试集样本。
test_interval: 500这行定义的是测试间隔，取值500表明每进行500次训练迭代时，进行一次测试阶段进行预测。
base_lr: 0.01
momentum: 0.9
weight_decay: 0.0005这3行对三个参数进行赋值，base_lr为学习速率，momentum为遗忘因子，weight_decay为权值衰减常数。
lr_policy: "inv"
这一行表示学习速率衰减策略采用inv（倒数衰减策略）。它的计算公式为 base_lr * (1 + gamma * iter) ^ (- power)
gamma: 0.0001
power: 0.75这两行定义的是inv策略用使用的参数，在inv策略公式中，iter为当前迭代次数。
display: 100这一行表示，每个100次迭代，在终端中打印日志。
max_iter: 10000这一行表示，最大迭代次数为10000次。
snapshot: 5000
snapshot_prefix: "examples/mnist/lenet"这两行是对快照的定义，每隔5000次迭代打印一次快照，并且快照的的文件名前缀为examples/mnist/lenet
solver_mode: CPU这一行的作用是设置求解器模式为CPU模式，如果需要GPU则设置为GPU模式。
初学者可能对上面的解释有些还看不懂，这需要长时间的知识积累，后面的文章中，我们会对caffe的重要源码进行解读，经过解读之后，相信大家对这个描述文件会有更深刻的了解。
