jjff46的专栏

#include "network.h"#include "detection_layer.h"#include "cost_layer.h"#include "utils.h"#include "parser.h"#include "box.h"#ifdef OPENCV#include "opencv2/highgui/highgui_c.h"#endifchar *vo

弄了这么长时间，总算看懂了一些东西，

在 cifar100目录下  //提取conv3的特征../../build/tools/extract_features.bin cifar10_quick_iter_16000 cifar100_quick_train.prototxt ip1 yjyfeature 500 CPU 0../../build/tools/extract_features.bin cifar10_quick_

一般来说，跑一个数据集需要以下步骤：1 把数据集转换成leveldb格式。可以参考tools文件夹下convert_imageset.cpp，可以直接拿来用或者修改成适合你的数据集；2 写网络配置文件，写train.prototxt和test.prototxt，还有solver.prototxt。可以参照cifar10等例子。3 训练：tools的train_net.cpp

cifar10是个中小型的图片数据库，总共60000张32*32大小的图片，5w张用于训练，1w张用于测试。caffe上cifar10的训练流程。cifar10_quick_train_test.prototxtname: "CIFAR10_quick"layer { name: "cifar" type: "Data" top: "data" top: "l

../../build/tools/extract_features.bin cifar10_quick_iter_16000 cifar100_quick_train.prototxt ip1 yjyfeature 500 CPU 01，修改convert_cifar_data的文件的内容，void read_image(std::ifstream* file, int* label,

当前配置：　　　　系统：WIN7 64位　　　　开发平台：VS 2012　　　　显卡：英伟达G卡　　　　CUDA版本：6.0第一步：下载 cuda_6.0第二步：运行安装程序，弹出安装过程中转文件路径设定框，这个路径随便填无所谓，安装完后就会自动删除的。第三步：等待系统帮你检测当前平台是否适合搭建CUDA。第四

斯坦福大学机器学习"逻辑回归“学习笔记，本次课程主要包括7部分：1) Classification(分类)2) Hypothesis Representation3) Decision boundary(决策边界)4) Cost function(代价函数，成本函数)5) Simplified cost function and gradient desce

第二讲-------多变量线性回归 Linear Regression with multiple variable(一)、Multiple Features:多变量假设：输出由多维输入决定，即输入为多维特征。如下图所示：Price为输出，前面四维为输入：假设h(x)=θ0+θ1x1+……所谓多参数线性回归即每个输入x有(n+1)维[x0……xn]

本文会讲到：(1)线性回归的定义(2)单变量线性回归(3)cost function：评价线性回归是否拟合训练集的方法(4)梯度下降：解决线性回归的方法之一(5)feature scaling：加快梯度下降执行速度的方法(6)多变量线性回归Linear Regression  注意一句话：多变量线性回归之前必须要Feature S

n  Supervised Learning 有监督学习  机器学习按照学习方式的不同，分为supervised learning和unsupervised learning，这里先介绍Supervised Learning即有监督学习，举一个简单的例子，假设你想卖房子，但是你不知道怎么定价，而你有附近其他房子的定价信息。让x轴为平方数，y轴为价格，我们得到下面这个图，在图中我们看到价格数和平

// 郝老师修改视频,在darknet中嵌入识别本地视频的程序。#ifdef OPENCVimage ipl_to_image(IplImage* src);#include #include "image.h"#include #include "highgui.h"#include "opencv2/highgui/highgui_c.h"#include "opencv2