本文介绍了Caffe深度学习框架的架构，包括blobs、layers和nets的解析，阐述了blobs作为数据封装包的角色，layers作为计算基本单元的功能，以及nets作为层连接集合的构造。此外，还探讨了solver和proto在模型训练和结构定义中的作用。
Caffe学习笔记（一）：Caffe架构及其模型解析
写在前面：关于caffe平台如何快速搭建以及如何在caffe上进行训练与预测，请参见前面的文章《caffe平台快速搭建：caffe+window7+vs2013》、《Windows平台上Caffe的训练与学习方法（以数据库CIFAR-10为例）》。
本文主要介绍Caffe的总体框架，并对caffe模型进行解析，主要是本人的学习笔记，参考了各种资料，例如：《Caffe官方教程中译本》，网址：http://caffe.berkeleyvision.org/等等。
1、Caffe架构
Caffe是一个深度学习框架，该框架主要包括五大组件：blobs/layers/nets、solver/proto。
其中，blobs/layers/nets使得Caffe构成基于自己的模型架构，即一种模块化的模型，简单来说就是caffe通过逐层（layer-by-layer）的方式定义了一个网络nets
最低0.47元/天 解锁文章
3068
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
