- 博客(7)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
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 11257
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 10:18:48 633
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 7208 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 3129 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 14665
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 12:00:04 869
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 10:44:13 941
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