- 博客(10)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 Caffe中卷基层和全连接层训练参数个数如何确定
今天来仔细讲一下卷基层和全连接层训练参数个数如何确定的问题。我们以Mnist为例，首先贴出网络配置文件：[python] view plain copy name: "LeNet" layer { name: "mnist" type: "Data" top: "data" top: "label" data_param {
2016-05-23 10:25:16
15431
转载 c语言中出现左操作数必须是左值（摘抄）
http://blog.163.com/zhangjun516@126/blog/static/164345335201282894854960/在做c语言联系的时候，总是会出现左操作数必须是左值，左值就是在赋值中可以放在赋值操作符两边的值，比如： int a = 1; double b = 2.0 a = b; b = a; 这里a和b都是左值，一切变量都是左值，
2016-05-20 19:26:53
19886
原创 caffe accuracy_layer.cpp 解读
特别声明，这篇是我自己看的，有很多观点我自己都拿不准，要是不对，一定要跟我说下，我好改，咱互相学习。 直接看代码啊accuracy_layer.cpp用的是lenet5网络 batch_size=100；类=10template <typename Dtype>void AccuracyLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>&
2016-05-13 16:16:25
6734
7
转载 caffe 卷积神经网络源码一些模糊点整理
最近在看caffe，本着 我啥也不会，别人啥都会的精神，虚心的看了好多博客，现对一些迷糊的点做一个总结，万一你也迷糊呢，是吧～主要参考：http://blog.csdn.net/mounty_fsc/article/details/510856541 blobblob类里面的 data_,diff_,count_,capacity_啥意思大家都懂，主要不懂的是它的shape_;
2016-05-13 15:36:14
1564
转载 Convolutional Neural Networks at Constrained Time Cost
本文是MSRA的何恺明在14年写的论文，通过一系列的替换实验，探讨了在限定复杂度和时间上，如何设计卷积网络结构，使得网络的性能最好。本文提出的CNN结构，在单个GPU上训练3到4天，在简单的10-view测试下获得了top-5 11.8%的准确率；做到了不仅快而且准确。摘要：本文主要结论，1在提升准确度上深度比宽度和filter尺寸更重要；2，尽管深度很重要，如果深度随意增加分类结果会停滞，甚
2016-05-12 18:37:58
618
原创 caffe softmax_loss_layer 对于梯度下降的理解
咱先讲下梯度下降，然后对应caffe里的代码。 还是老样子，贴一个网址，人家讲softmax讲的挺好的。 http://www.bubuko.com/infodetail-601263.html 总的来说，梯度下降主要分为一下几部分： 1.先求假设函数； 2.再求代价函数，又叫损失函数； 3.对代价函数求导，最小化； 4.更新，这就是梯度下降的公式，（斯坦福公开课里形象的解释了：站在小
2016-05-11 16:24:58
5149
原创 caffe 所具有的层结构，都有那些层1
caffe更新后，又新加了一些层，有时候想写一个网络，但是，如果你连caffe一共都有哪些层都不清楚，也不大合 适，对吧，向咱们这种低水平的小盆友，添加新层太麻烦，水平不到，所以只能把当下的层结构弄清楚了～
2016-05-11 10:55:04
2306
原创 going deeper with convolutions （Googlenet网络解读）
http://www.gageet.com/2014/09203.php这个网址已都经把文章翻译好了，这里主要是说两点：1.Googlenet借鉴了network in network里的多层感知器结构，也就是convolution层的 kernel_size=1，它的好处主要是体现在以下两方面:a.降维，解决计算瓶颈；b.提高神经网络的表达能力（多层感知器）。2.Googlene
2016-05-10 20:14:19
2619
lena512.bmp
2016-10-12
Visual_Assis VS2013和2012 都可用
2014-12-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人