![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Caffe
文章平均质量分 63
crazyeden
这个作者很懒,什么都没留下…
展开
-
菜鸟读caffe源码(四):caffe大厦之设计图-Net
Net数据结构应该对应一个完整的CNN模型,它包含若干个layer实例。 这里是展示一个Net的基本用法自己实现一个读取net内容的实例,输出模型内的blob,layer的名称。 #include #include #include #include"head.h" using namespace caffe; using namespace std; int main() { std:原创 2018-01-01 14:36:36 · 342 阅读 · 0 评论 -
菜鸟读caffe源码(二):caffe大厦之砖瓦
元旦假期已经开始了,今天是17年最后一天,连续两天独自一人在实验室学习,其实也并没有什么了不起,平常心,宠辱不惊。 相对于tensorflow里边的tensor同等地位,caffe的blob就是数据存储和流动的单元。这也是为什么和很多教材里一样,称之为房屋的砖块,是构成整个架构的基本元素。 看了书和一些技术博客,写了个简单的例子,跑跑感受一些,如何使用blob,blob的功能作用。 #i原创 2017-12-31 11:02:33 · 245 阅读 · 0 评论 -
机器学习入门(四):关于卷积运算量和参数数量的计算
卷积层的运算量公式 num(MAC)=I*J*M*N*K*L I J 为卷积核大小 M N为卷积之后输出特征的大小 K表示输入通道个数 L表示输出通道个数(这里的通道数可以理解为单样本特征图的个数) 以lenet中的参数为示例: layer { name: "conv1" type: "Convolution" bottom: "data" top: "con原创 2018-01-24 22:08:14 · 11692 阅读 · 1 评论 -
机器学习入门(三):caffe训练过程概况和caffe.bin命令选项
分析训练日志,可以得到如下训练过程: 1 打印出来solver.prototxt 2打印出来train_val.prototxt 3根据网络模型的描述文件,按照各个层的顺序确定训练时,各个层之间如何连接计算,各个层输出的blob的维度,和所需内存大小,最后一层为loss。 4根据网络描述文件,确定测试时,各个层之间如何连接计算和所需内存大小, 维度。 5以上确定了训练网络和测试网络如何搭原创 2018-01-24 20:59:33 · 638 阅读 · 0 评论 -
机器学习入门(一):关于梯度下降法
前几天听了不错的机器学习课,顺利入坑。但是由于基础差,刚开始的线性回归部分都有些问题搞不清楚,老师讲这个地方的时候,不知道。所以需要自己补过来。 先如何进行线性回归? 思路:代价函数求极值-》梯度下降法:批梯度下降,随机梯度下降。 批梯度和随机梯度只是每次迭代的时候,计算样本的数量不一样而已。对于随机梯度,只是计算当前样本,改变theta优化代价函数;而批梯度则是每次计算所有的样本,原创 2017-11-07 19:36:03 · 342 阅读 · 0 评论 -
windows-caffe VS2015 无GPU配置小结
https://github.com/BVLC/caffe/tree/windows 下载。 已经编译完成,但是有个问题是build_win.cmd如何和外部的python下载依赖文件的命令联系在一起的,就是关于依赖包的下载与否的问题。 知情人士,请留言。谢谢。 相关过程如下: 直接打开 C:\Projects\caffe\scripts\build_win.cmd 进行编辑。原创 2018-02-01 15:42:27 · 486 阅读 · 0 评论 -
机器学习入门(二):caffe训练proto配置文件解析
LeNet-5 train_val.prototxt文件解释和 solver.prototxt文件解释 name: "LeNet"//网络名称 layer {//定义一个层 name: "mnist"//层的名字 type: "Data"//输入层的类型为lmdb,如果输入数据格式为图片,则此处应该是imagedata top: "data"//输出为两层,一层是数据一层是标签原创 2018-01-24 15:40:48 · 585 阅读 · 0 评论