caffe
hukai7190
谈泊以明志,宁静以致远。
展开
-
用Caffe在MNIST上训练LeNet
Caffe官方Training LeNet on MNIST with Caffe陆续记录学习过程原创 2017-12-08 19:53:53 · 852 阅读 · 0 评论 -
caffe学习:数据可视化初见
首先配置caffe的数据可视化环境python接口,参考博客数据可视化环境(python接口)配置,然后利用jupyter来编辑运行python代码。原创 2018-01-09 10:48:09 · 566 阅读 · 0 评论 -
caffe学习:利用已训练的ceffemodel进行分类
在得到训练好了的ceffemodel后, 希望对任意一张图片进行分类/测试. 但不管用C++接口还是pyton接口来实现, 也不论是自己训练得到的caffemodel还是从其他地方获取的,都应该准备好三个文件: caffemodel、均值文件、synset_words.txt文件。原创 2018-01-16 16:17:34 · 850 阅读 · 0 评论 -
caffe学习:caffe图形化操作工具digits的安装与运行
也许有人会觉得比较复杂。确实,对于一个使用惯了windows视窗操作的用户来说,各种命令就要了人命,甚至会非常抵触命令操作。没有学过python,要自己去用python编程实现可视化,也是非常头痛的事情。幸好现在有了nvidia digits这款工具,这些问题都可以解决了转载 2018-01-16 09:27:57 · 716 阅读 · 0 评论 -
caffe学习:绘制loss曲线和accuracy曲线
loss曲线与accuracy曲线原创 2018-01-15 20:53:38 · 729 阅读 · 1 评论 -
caffe学习:calssfication示例解析
结合前面学习的内容,整理一下caffe的官方示例原创 2018-01-15 15:06:22 · 694 阅读 · 0 评论 -
caffe学习:caffemodel可视化
网络架构的形象展示在构建完网络后, 我们得到一个xx_train.prototxt文件, 该文件中记录着每层网络的输入输出及规格等参数, 在地址http://ethereon.github.io/netscope/#/editor 左侧拖入xx_train.ptototxt文件, 按enter+shift组合键即可查看网络模型图, 非常具体形象.原创 2018-01-15 10:42:09 · 1807 阅读 · 0 评论 -
caffe学习:图像数据转换
【转】转载自:Caffe学习系列(11):图像数据转换成db(leveldb/lmdb)文件在深度学习的实际应用中,我们经常用到的原始数据是图片文件,如jpg,jpeg,png,tif等格式的,而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb,因此就产生了这样的一个问题:如何从原始图片文件转换成caffe中能够运行的db(leveldb/lmdb)文件原创 2018-01-04 20:36:25 · 409 阅读 · 0 评论 -
caffe学习:命令行解析
caffe的运行提供三种接口:c++接口(命令行)、python接口和matlab接口。本文先对命令行进行解析,后续会依次介绍其它两个接口。原创 2018-01-04 09:14:00 · 327 阅读 · 0 评论 -
caffe学习:solver优化方法简介
目前caffe提供了6种优化方法: - Stochastic Gradient Descent (type: “SGD”), - AdaDelta (type: “AdaDelta”), - Adaptive Gradient (type: “AdaGrad”), - Adam (type: “Adam”), - Nesterov...原创 2018-01-03 09:50:41 · 401 阅读 · 0 评论 -
caffe学习:其他层使用及其参数
其他一些常用层,如:softmax_loss层、Inner Product层、accuracy层、reshape层、dropout层等及其参数softmax_loss层softmax-loss层和softmax层计算大致是相同的。原创 2018-01-02 19:49:16 · 395 阅读 · 0 评论 -
caffe学习:solver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。原创 2018-01-03 09:28:16 · 392 阅读 · 0 评论 -
caffe学习:Blob、Layer、Net的说明及其配置文件编写
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。原创 2018-01-02 21:16:05 · 339 阅读 · 0 评论 -
caffe学习:卷积计算
在caffe中如何计算卷积的? caffe中, 卷积网络的前向传播过程需要计算类似W∗x+BW*x+B这样的连接, forward_cpu_gemm()函数用weight矩阵和输入的bottom相乘, 然后对bias进行处理, bias程序会根据情况决定是否对bias进行scale(放大/缩小).原创 2018-01-11 17:00:35 · 663 阅读 · 0 评论 -
caffe学习:Activation Layer及参数
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。原创 2018-01-02 19:26:54 · 814 阅读 · 0 评论 -
caffe学习:vision layer及参数
Vision Layer包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。原创 2018-01-02 19:05:01 · 365 阅读 · 0 评论 -
caffe学习:数据层及参数
运行caffe时,需要先创建一盒模型model,比如常见的Lenet、Alexnet等,模型是由多个layer构成,每一个layer又包含有多个参数,所有参数定义在caffe.proto文件中。layer具有多种类型,比如Data、Convolution、Pooling等,layer之间的数据流动以Blobs的方式进行。原创 2018-01-02 16:24:44 · 437 阅读 · 0 评论 -
caffe学习:图片数据的均值计算
图片减去均值后,再进行训练和测试,会提高速度和精度。因此,一般在各种模型中都会有这个操作。那么这个均值怎么来的呢,实际上就是计算所有训练样本的平均值,计算出来后,保存为一个均值文件,在以后的测试中,就可以直接使用这个均值来相减,而不需要对测试图片重新计算。原创 2018-01-09 20:26:02 · 905 阅读 · 0 评论