2016年07月_穿越5极限

12月 11月 10月 09月 08月 07月 04月

原创 Caffe windows 下进行（微调）fine-tune 模型

小菜最近一直在学习caffe。今天小菜主要介绍一下如何在Caffe上微调网络（ps：小菜中间也出现了许多问题，不过很感谢网上的一些前辈的无私奉献），一般比较经典的深度学习模型是别人训练好的模型，例如分类模型主要是针对Imagenet的数据集进行分类的。为了适应我们自己特定的新任务（小菜的任务是分类），一般来说我们自己需要做的方向，比如在一些特定的领域的识别分类中，我们很难拿到大量的数据。因为像在I

2016-07-29 09:25:23 6708 12

原创梯度下降算法总结

梯度下降算法 1.概述梯度下降法(Gradient Descent, GD)是一个最优化算法，通常也称为最速下降法。最速下降法是求解无约束优化问题最简单和最古老的方法之一，虽然现在已经不具有实用性，但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的，最速下降法越接近目标值，步长越小，前进越慢。梯度下降法的计算过程就是沿梯度下降的方向求解极小值（也可以沿

2016-07-10 11:37:15 6538

原创 Windows下caffe用fine-tuning训练好的caffemodel来进行图像分类

小菜准备了几张验证的图片存放路径为caffe根目录下的 examples/images/, 如果我们想用一个微调训练好的caffemodel来对这张图片进行分类，那该怎么办呢？下面小菜来详细介绍一下这一任务的步骤。一般可以同两种方式进行测试，分别是基于c++接口和python接口。不管是用c++来进行分类，还是用python接口来分类，我们都应该准备这样三个文件： 1、 caffemodel文

2016-07-29 09:46:29 2374

转载 caffe(1)参数和数据层的理解

博文主要是来自前辈denny402的博客园的博客，看了他的博客也使我收益匪浅。要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等，而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。

2016-07-25 10:41:46 1193