2017年05月_yanzi6969

转载 caffe学习系列（10）：如何测试caffe训练出来的模型

方法一:caffe自带了测试命令，只需在caffe根目录输入：~/caffe-master$ ./build/tools/caffe test\ -model examples/mnist/lenet_train_test.prototxt \-weights examples/mnist/lenet_iter_10000.caffemodel\ -iteratio

2017-05-17 15:26:09 1339

转载 Caffe学习系列(9)：运行caffe自带的两个简单例子

转自：http://www.cnblogs.com/denny402/p/5075490.html为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。注意：在caffe中运行所有程序，都必须在根目录下进行，否则会出错1、mnist实

2017-05-11 11:19:14 657

转载 Caffe学习系列(8)：solver优化方法

转自：http://www.cnblogs.com/denny402/p/5074212.html上文提到，到目前为止，caffe总共提供了六种优化方法：Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (t

2017-05-11 11:09:41 720

转载 Caffe学习系列(7)：solver及其配置

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法来求解。solver的主要作用就是交替调用前向（forwar

2017-05-11 09:38:17 682

转载 Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写

转自：http://www.cnblogs.com/denny402/p/5073427.html深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细

2017-05-10 14:42:26 652

转载 Caffe学习系列(5)：其它常用层及参数

转自：http://www.cnblogs.com/denny402/p/5072746.html本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个

2017-05-10 10:26:55 636

转载 Caffe学习系列(4)：激活层（Activiation Layers)及参数

转自：http://www.cnblogs.com/denny402/p/5072507.html在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w

2017-05-09 16:49:06 658

转载 Caffe学习系列(3)：视觉层（Vision Layers)及参数

转自：http://www.cnblogs.com/denny402/p/5071126.html所有的层都具有的参数，如name, type, bottom, top和transform_param请参看上一篇文章。本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalizatio

2017-05-05 15:47:59 686

转载 Caffe学习系列(2)：数据层及参数

转自：http://www.cnblogs.com/denny402/p/5070928.html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，每一层又由许多参数组成。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。层有很多

2017-05-04 14:45:45 662

转载 caffe windows学习：第一个测试程序

caffe windows编译成功后，就可以开始进行测试了。如果还没有编译成功的，请参考上一篇文章。一般第一个测试都是建议对手写字体minist进行识别。这个测试放在根目录下的 .\examples\mnist\ 文件夹内。1、下载数据。程序本身不带测试数据，需要去下载，测试数据为leveldb格式。你可以直接双击运行“get_mnist_leveldb.bat” 这个脚本自动下

2017-05-04 11:03:19 755

转载 caffe windows 学习第一步：编译和安装（vs2012+win 64)

转自：http://www.cnblogs.com/denny402/p/5041060.htm没有GPU，没有linux, 只好装caffe的windows版本了。我的系统是win10(64位），vs 2012版本，其它什么都没有装，因此会需要一切的依赖库。其实操作系统只要是64位就行了，无所谓版本，win7,win8,win10都行.1、安装vs2012。

2017-05-04 10:51:36 659

转载 Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+caffe+cudnn

转自：http://www.cnblogs.com/denny402/p/5067265.html一、版本linux系统：Ubuntu 14.04 （64位）显卡：Nvidia K20ccuda: cuda_7.5.18_linux.runcudnn: cudnn-7.0-linux-x64-v4.0-rc二、下载Ubun

2017-05-03 17:03:55 664

yanzi6969的专栏