Neural network caffe中过滤器内的值

我试图理解caffe网络模型中的以下部分

 convolution_param {
    num_output: 256
    pad: 2
    kernel_size: 5
    group: 2
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 1
    }
}

据我所知，这一层中使用了256个过滤器。 我想知道如何选择这些过滤器中的值？

---

使用尺寸5x5和std dev 0.01，我们可以创建一个过滤器，其他过滤器是如何创建的？

取决于此层的输入尺寸（“通道”形状）。此层有256个过滤器，形状为

，尺寸为-by-
5
-by-
5
。Caffe初始化所有这些值（根据
weight_filler
param），使用来自高斯（正态）分布的i.i.d随机样本，平均值为零，std=0.01

您可以在python中看到这些值（假设层名称为
“conv1”
）：

import caffe
net = caffe.Net('/path/to/net.prototxt', caffe.TEST)
layer_idx = list(net._layer_names).index('conv1')
weights = net.layers[layer_idx].blobs[0].data
print "filter values =", weights