- 博客(7)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 caffe中base_lr、blobs_lr和lr_policy
caffe调整学习率的.base_lr是适用于所有层的学习率，而针对单个层，可以通过增加两个blobs_lr,用来调整该层的学习率.一个调整weight的学习率，一个是调整偏执b的学习率。那么该层的学习率就变成了，base_lr*blobs_lr,base_lr*blobs_lr了。
2016-07-18 16:36:47
11160
转载 谷歌大脑科学家 Caffe缔造者 贾扬清 微信讲座
大家好！我是贾扬清，目前在Google Brain，今天有幸受雷鸣师兄邀请来和大家聊聊Caffe。没有太多准备，所以讲的不好的地方还请大家谅解。我用的ppt基本上和我们在CVPR上要做的tutorial是类似的，所以大家如果需要更多的内容的话，可以去tutorial.caffe.berkeleyvision.org，也欢迎来参加我们的tutorial：）网页上应该还有一些Pytho
2016-07-08 10:18:48
623
原创 将train_val.prototxt 转换成deploy.prototxt
1.删除输入数据（如：type:data...inckude{phase: TRAIN}），然后添加一个数据维度描述。input: "data" input_dim: 1 input_dim: 3 input_dim: 224 input_dim: 224force_backward: true2.移除最后的“loss” 和“accuracy” 层，加入“prob
2016-07-06 18:02:21
7174
1
原创 googlenet解析
原始数据是224*224*3第一层卷积层 conv1 ，pad是3，7*7 ，64个特征，步长2，输出为 112*112*64。然后进行relu，经过pool1 进行pooling 3*3的核，步长为2， [（112 - 3+1）/2]+1 = 56 特征为56*56*64 ， 再规范。第二层卷积层 conv2， pad是1，3*3，192个特征，输出为56*56*192，然后进
2016-07-05 16:10:08
3113
4
原创 caffe的solverstate的使用
我们在使用caffe训练过程中会生成.caffemodel和.solverstate文件，一个是模型文件，一个是中间状态文件（生成多少个取决于你自己设定的snapshot）。当训练过程中断，你想继续运行数据学习，此时只需要调用.solverstate文件即可。使用方式代码，我使用的是.sh直接运行，配置和官方给的文件train_caffenet.sh差不多，稍微添加点内容就可以了。./bu
2016-07-05 15:11:28
14615
转载 任正非：不上市则有可能称霸世界 资本没有温度缺乏耐心
对于一个公司管理者，怎样包装自己都不过是伪饰，最终还是要看结果。无可非议，华为的公司制度让人惊叹，而这也是任正非的功劳体现。而追其华为的制度根本，还在于健康的发展与内在凝聚力。 核聚变效应：工者有其股英国前首相丘吉尔在评价 20 世纪 40 年代的美国时，这样说：“美国像是一个巨大的锅炉，只要下面点着火，它就会产生无限的能量。” 的确，穿越大西洋抵达美洲的“五月花”号，
2016-07-04 12:00:04
858
转载 深度学习caffe的代码如何学习
1. 初识Caffe1.1. Caffe相对与其他DL框架的优点和缺点：优点：速度快。Google Protocol Buffer数据标准为Caffe提升了效率。学术论文采用此模型较多。不确定是不是最多，但接触到的不少论文都与Caffe有关（R-CNN，DSN，最近还有人用Caffe实现LSTM）缺点：曾更新过重要函数接口。有人反映，偶尔会出现接口变换的情况，自己很久前
2016-07-04 10:44:13
934
pexports.exe
2021-07-23
python中使用libsvm库64位libsvm.dll文件
2015-10-20
matlab图片批量预处理并保存为mat数据和jpg文件
2015-10-10
局部mask羽化怎么做啊？
2017-05-04
TA创建的收藏夹 TA关注的收藏夹
TA关注的人