深度学习知识链接积累

深度学习知识链接积累

 

1、

Caffe的深度学习训练全过程

http://www.infoq.com/cn/articles/whole-process-of-caffe-depth-learning-training

 

1 caffe_cpu_gemm        功能： C=alpha*A*B+beta*C        A,B,C 是输入矩阵（一维数组格式）  2 caffe_cpu_gemv        功能： y=alpha*A*x+beta*y         其中X和Y是向量，A 是矩阵, M：A 的行数，N：A 的列数  3 caffe_axpy                功能： Y=alpha*X+Y  4 caffe_set                功能： 用常数alpha 对Y 进行初始化 5 caffe_add_scalar        功能： 给 Y 的每个 element 加上常数 alpha 6 caffe_copy                功能： 函数 void *memcpy(void *dest, void *src, unsigned int count) 把src所指向的内存区域 copy到dest所指向的内存区域, count为块的大小 7 caffe_scal                功能： X = alpha*X  8 caffeine_cup_axpby 功能：Y= alpha*X+beta*Y 9 caffe_add、 caffe_sub、 caffe_mul、 caffe_div        功能：这四个函数分别实现element-wise的加减乘除（y[i] = a[i] + - * \ b[i]） 10 caffe_powx、 caffe_sqr、 caffe_exp、 caffe_abs        功能 : 同样是element-wise操作，分别是y[i] = a[i] ^ b， y[i] = a[i]^2，y[i] = exp(a[i] )，y[i] = |a[i] | 11 int caffe_rng_rand        功能：返回一个随机数 12.caffe_nextafer                功能： 返回 b 较大方向上可以表示的最接近的数值。 13 caffe_cpu_strided_dot        功能： 返回 vector X 和 vector Y 的内积。 incx， incy ： 步长，即每隔incx 或 incy 个element 进行操作。 14 caffe_cpu_hamming_distance        功能：返回 x 和 y 之间的海明距离。（两个等长字符串之间的海明距离是两个字符串对应位置的不同字符的个数。） 15 caffe_cpu_asum                功能：计算 vector x 的所有element的值之和。