如何在 Caffe 中从头开始训练 ResNet101 模型？

我正在使用深度实验室_v2 https://bitbucket.org/aquariusjay/deeplab-public-ver2Caffe 版本，以便进行语义分割。我可以使用 imagenet 模型微调 ResNet101，但无法使用自定义数据从头开始训练模型。有没有人有类似的经验并设法解决这个问题？

这就是我目前用于训练的 ResNet 功能块的样子：

layer {
    bottom: "data"
    top: "conv1"
    name: "conv1"
    type: "Convolution"
    param {
           name: "conv1_0"
               lr_mult: 1
               decay_mult: 1
        }
        convolution_param {
        num_output: 64
        kernel_size: 3
        pad: 1
        stride: 2
        bias_term: false
        weight_filler {
          type: "msra"

        }
    }
}

layer {
    bottom: "conv1"
    top: "conv1"
    name: "bn_conv1"
    type: "BatchNorm"
    batch_norm_param {
        use_global_stats: true
    }
    param {
        name: "bn_conv1_0"
          lr_mult: 0
    }
    param {
        name: "bn_conv1_1"
          lr_mult: 0
        }
    param {
        name: "bn_conv1_2"
          lr_mult: 0
        }
}

layer {
    bottom: "conv1"
    top: "conv1"
    name: "scale_conv1"
    type: "Scale"
    scale_param {
        bias_term: true
        filler {
          value: 0.5    
        }
        bias_filler {
          value: -2
        }
    }
    param {
        name: "scale_conv1_0"
          lr_mult: 0
    }
    param {
        name: "scale_conv1_1"
          lr_mult: 0
    }
}

layer {
    top: "conv1"
    bottom: "conv1"
    name: "conv1_relu"
    type: "ReLU"
}

我尝试了各种变化，包括use_global_stats: false。我能够训练上述类型的单个块，但是当我尝试使用所有 101 层时，模型不再收敛。 有任何想法吗？