caffe
文章平均质量分 71
susandebug
keep moving
展开
-
Caffe: solver及其配置
orignal article: 点击打开链接solver算是caffe的核心的核心,它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learning中,往往loss function是非凸的,没有解析解,我们需要通过优化方转载 2016-02-24 10:20:36 · 746 阅读 · 0 评论 -
Sublime Text 3安装与使用
Sublime Text 3安装与使用本文是Sublime Text 全程指引 by Lucida (http://www.cnblogs.com/figure9/p/sublime-text-complete-guide.html)的笔记,并添加了自己整理的一些内容,感谢原作者。1. 下载可以从官网 http://www.sublimetext.com/3 下载。2. Win转载 2016-04-25 16:08:12 · 1082 阅读 · 0 评论 -
caffe 中的损失函数分析
目前大部分机器学习算法都是基于统计学, 统计学习方法的三要素:模型策略和算法。基本步骤: 1 得到有限的训练数据集合 2 确定包含所有可能的模型假设空间,即学习模型的集合 3 确定模型选择的准则,其学习策略 4 实现求解最优模型的算法,即学习的算法 5 通过学习方法 选择最优模型,(刚开始随机初始化模型) 6 利用转载 2016-05-26 16:35:50 · 1785 阅读 · 0 评论 -
caffe layer parameters set ——caffe 层的配置
最近刚在电脑上装好Caffe,由于神经网络中有不同的层结构,不同类型的层又有不同的参数,所有就根据Caffe官网的说明文档做了一个简单的总结。之后再实践过程中补充每个层的作用1. Vision Layers1.1 卷积层(Convolution)类型:CONVOLUTION例子layers { name: "conv1" type: CONVOLUTIO原创 2016-04-19 16:07:40 · 1352 阅读 · 0 评论 -
caffe 源码简单剖析
原文来自:http://www.shwley.com/index.php/archives/68/ Posted by 影风LEY on December 3, 2014ps.图总结的很好,i like~—————————————以下为原文———————————————前言老实说,caffe中的layer层代码比较多,各种抽象看起来比较绕。官方关于Layer的教程写的很转载 2016-04-19 16:27:02 · 733 阅读 · 0 评论 -
对 CNN 中 dropout layer 的理解
对 CNN 中 dropout layer 的理解[摘要:dropout layer的目标是为了防备CNN 过拟开。那末为何能够有用的防备过拟开呢? 起首,设想我们目前只练习一个特定的收集,当迭代次数增加的时间,大概涌现收集对练习散拟开的很好]dropout layer的目的是为了防止CNN 过拟合。那么为什么可以有效的防止过拟合呢?首先,想象我们现在只训练一个特定的网转载 2016-04-19 16:47:14 · 2762 阅读 · 0 评论 -
解决Encountered a section with no Package: header错误
解决E: Encountered a section with no Package: header错误 我的ubuntu机器上出现下面这个错误。 Reading package lists... Error! E: Encountered a section with no Package: header E: Problem with M转载 2016-06-30 09:30:36 · 12351 阅读 · 0 评论