在Caffe中，學習率衰減策略主要有以下幾種：
固定衰減：在solver.prototxt文件中通過設置參數base_lr進行固定的學習率衰減。
指數衰減：通過設置參數lr_policy為“exp”，并在solver.prototxt文件中設置參數gamma和stepsize，實現指數衰減的學習率策略。
提前停止衰減：通過設置參數lr_policy為“multistep”，并在solver.prototxt文件中設置參數gamma和stepvalue，實現在指定的迭代輪數停止訓練。
線性衰減：通過設置參數lr_policy為“inv”，并在solver.prototxt文件中設置參數gamma和power，實現線性衰減的學習率策略。
隨機衰減：通過設置參數lr_policy為“random”，并在solver.prototxt文件中設置參數min_lr和max_lr，實現隨機衰減的學習率策略。
這些是Caffe中常用的學習率衰減策略，可以根據具體的任務需求選擇合適的策略進行調整。
