2016年04月_susandebug

12月 11月 09月 06月 05月 04月 03月 02月 01月

转载如何在caffe中添加新的Layer

本文分为两部分，先写一个入门的教程，然后再给出自己添加maxout与NIN的layer的方法（一）其实在Github上已经有答案了（https://github.com/BVLC/caffe/issues/684）Here's roughly the process I follow.Add a class declaration for your laye

2016-04-29 15:50:24 760 1

转载深度学习中的batch的大小对学习效果的影响

深度学习中的batch的大小对学习效果的影响 Batch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？ Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集（ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定

2016-04-26 16:54:04 2356

转载 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

2016-04-25 16:08:12 1082

转载点云三维重建--基于两视图的射影重构,仿射重构以及度量重构

一段时间以来一直对三维重建中的分层重建概念理解的比较模糊，这两天特地梳理了一下，用博文记录下来，也希望给各位观众朋友们带来帮助。NO0.两视图重建基于图片序列的三维重建不管在科研还是实际应用中都有了比较成功的实现，Bundler就是一个很不错的例子，随后的VisualSFM也已经得到了很好的应用，近两年发展较快的还有SLAM等，而基于两视图实现空间点的三维重建便是构造完整图

2016-04-25 14:42:13 2540 5

转载深度学习之图像分割《Fully Convolutional Networks for Semantic Segmentation》—FCN

【论文信息】《Fully Convolutional Networks for Semantic Segmentation》CVPR 2015 best paperkey word: pixel level, fully supervised, CNN【方法简介】主要思路是把CNN改为FCN，输入一幅图像后直接在输出端得到dense prediction，也

2016-04-21 15:34:49 23846 4

转载深度学习之图像分类模型Cifar10数据集解读

CIFAR-10数据集含有6万个32*32的彩色图像，共分为10种类型，由 Alex Krizhevsky, Vinod Nair和 Geoffrey Hinton收集而来。包含50000张训练图片，10000张测试图片http://www.cs.toronto.edu/~kriz/cifar.html数据集的数据存在一个10000*3072 的 numpy数组中，单位是uint8s，

2016-04-21 15:03:12 7180

转载深度学习之图像分类模型AlexNet解读

本文转自：http://blog.csdn.net/sunbaigui/article/details/39938097在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之后）。在DL开源实现caffe的

2016-04-21 14:59:49 3097

原创 googleNet Inception v1 - v4 papers 发展历程

google Inception v1 - v4 papers 发展历程先上Paper列表：[v1] Going Deeper with Convolutions, 6.67% test error, http://arxiv.org/abs/1409.4842[v2] Batch Normalization: Accelerating Deep Network Training by

2016-04-21 09:58:23 22104 3

转载 [notes] ImageNet Classification with Deep Convolutional Neual NetworkPaper: ImageNet Classification

转自blog:http://blog.csdn.net/sunbaigui/article/details/28105847Paper:ImageNet Classification with Deep Convolutional Neual NetworkAchievements:The model addressed by Alex etl. achieved to

2016-04-21 09:38:36 785

转载 Must Know Tips/Tricks in Deep Neural Networks

Must Know Tips/Tricks in Deep Neural Networks Deep Neural Networks, especially Convolutional Neural Networks (CNN), allows computational models that are composed of multiple processin

2016-04-20 16:51:38 1506

转载 Batch Normalization 学习笔记

Batch Normalization 学习笔记原文地址：http://blog.csdn.net/hjimce/article/details/50866313作者：hjimce一、背景意义本篇博文主要讲解2015年深度学习领域，非常值得学习的一篇文献：《Batch Normalization: Accelerating Deep Network Traini

2016-04-20 16:25:09 3334

转载对 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

2016-04-19 16:47:14 2764

转载 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

2016-04-19 16:27:02 733

原创 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

2016-04-19 16:07:40 1353

原创 Heap Sort ——重拾堆排序

之前有整理八大排序算法，也有源码和对比，好久不写堆排序了，有点遗忘，重写一遍。堆排序包括两个过程，建堆和调整堆。建堆：找到第一个非叶结点（n/2-1）(堆是完全二叉树)，然后从底向上进行调整。// heap sort.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include using namespace std;void Adj

2016-04-18 18:49:26 423

原创 VGG very deep 19 layer prototxt

name: "VGG_ILSVRC_19_layer"layer { name: "data" type: "ImageData" top: "data" top: "label" include { phase: TRAIN } image_data_param { batch_size: 12 source: "../../fine

2016-04-14 20:35:18 3025 5