深度学习
文章平均质量分 92
lien0906
这个作者很懒,什么都没留下…
展开
-
Deep Learning的国内外网址收集
1. http://www.cnblogs.com/tornadomeet/category/497607.html转载 2014-06-18 09:56:31 · 4310 阅读 · 0 评论 -
深度学习与模式识别之项目整理
本人一直从事图像处理,模式识别专业方向,该专业具有很广的应用范围。我对这个专业有很大的兴趣。本人承接各种与图像处理相关的项目,如您需要请联系我,谢谢!!!图像处理方向大概有以下等应用场景:1) 智能交通2) 日常智能产品应用3)医学4)工业5)航空 以上领域,我基本都有涉及,熟悉图像增强、图像重建、人脸检测转载 2014-11-06 14:54:20 · 7959 阅读 · 1 评论 -
在caffe上跑自己的数据
本文介绍如何使用caffe对自己的图像数据进行分类。1 图片数据库准备由于图片数据收集比较费时,为了简单说明,我用了两类,dog和bird,每种约300张。train200张,val100张。新建一个文件夹mine,放自己的数据,在mine文件夹下新建train和val文件夹,train文件夹下新建bird和dog两个文件夹分别存放200张bird和200张dog,val文转载 2015-03-26 17:34:54 · 786 阅读 · 0 评论 -
caffe for windows 训练cifar10
1 cifar10数据库60000张32*32 彩色图片 共10类50000张训练10000张测试下载cifar10数据库:http://www.cs.toronto.edu/~kriz/cifar-10-binary.tar.gz这是binary格式的,所以我们要把它转换成leveldb格式。2 在../caffe-wind转载 2015-03-26 17:37:17 · 1052 阅读 · 0 评论 -
写批处理命令bat读图片路径
批处理文件是扩展名为·bat 或·cmd的文本文件,包含一条或多条命令,由DOS或Windows系统内嵌的命令解释器来解释运行。在日常使用电脑的过程中,批处理命令,往往可以简化重复性的任务。下面小编就讲讲如何用批处理命令获取当前目录下所有文件的路径工具/原料电脑批处理文件方法/步骤第二种原创 2015-03-26 19:53:43 · 2531 阅读 · 1 评论 -
caffe study(5) - AlexNet 之算法篇
原文地址:study(5) - AlexNet 之算法篇" style="text-decoration:none; color:rgb(49,139,146)">caffe study(5) - AlexNet 之算法篇作者:机器学习讲座在机器学习中,我们通常要考虑的一个问题是如何的“以偏概全”,也就是以有限的样本或者结构去尽可能的逼近全局的分布。这就要在样本以及结构模型上下一些工夫。转载 2015-03-27 17:48:29 · 1289 阅读 · 0 评论 -
Caffe Windows版本的编译
1:Caffe的主版本只支持Linux,所以要下载专门的Caffe Windows版本,网址为https://github.com/niuzhiheng/caffe该版本需要的环境如下1)Windows 64-bit2)MS Visual Studio 20123)CUDA toolkit 6.54)Other dependenc转载 2015-03-12 14:32:02 · 2441 阅读 · 0 评论 -
本人常用资源整理(ing...)
Deep Learning(深度学习):ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):一ufldl的2个教程(这个没得说,入门绝对的好教程,Ng的,逻辑清晰有练习):二Bengio团队的deep learning教程,用的theano库,主要是rbm系列,搞python的可以参考,很不错。deeplearning.net主页,里面包含转载 2015-04-28 14:50:08 · 833 阅读 · 0 评论 -
如何快糙好猛地在Windows下编译CAFFE并使用其matlab和python接口
一、准备 需要用到的东西我已经帮大家全部准备好了,有3月31日刚刚从caffe官方dev分支fork过来的源代码:https://www.github.com/happynear/caffe-windows。有我自己亲手制作的第三方库http://pan.baidu.com/s/1sjr37tj ,在源码的根目录下建立个3rdparty文件夹,把文件解压进去就可以了。 解压好之后,要转载 2015-05-06 14:10:26 · 1602 阅读 · 0 评论 -
Caffe 安装错误记录及解决办法
1)Fatal error : 'tr1/tuple' file not found出现该问题有两种情况,可以先尝试下面的链接:https://github.com/BVLC/caffe/issues/1358 如果不行,那说明是 Makefile文件除了问题。一般来说,按照 https://github.com/BVLC/caffe/pull/1740里的 33a56e0 那个 po转载 2015-07-09 14:11:17 · 38526 阅读 · 7 评论 -
Caffe + Ubuntu 15.04 + CUDA 7.0 新手安装配置指南
Caffe + Ubuntu 15.04 + CUDA 7.0 新手安装配置指南返回特别感谢在学习和使用Caffe和CNN的过程中,超级大神Yanqing Jia, Eric Tzeng, Evan Shelhamer, Ross Girshick, Sergey Karayev, Sergio Gadarrama给予的帮助。特别说明:0. Caffe 官网地址:h转载 2015-07-09 14:12:54 · 1063 阅读 · 0 评论 -
caffe导读(1) caffe源码修改:抽取任意一张图片的特征
caffe源码修改:抽取任意一张图片的特征目前caffe不是很完善,输入的图片数据需要在prototxt指定路径。但是我们往往有这么一个需求:训练后得到一个模型文件,我们想拿这个模型文件来对一张图片抽取特征或者预测分类等。如果非得在prototxt指定路径,就很不方便。因此,这样的工具才是我们需要的:给一个可执行文件通过命令行来传递图片路径,然后caffe读入图片数据,进行一次正向传播转载 2015-07-10 11:27:07 · 930 阅读 · 1 评论 -
如何快糙好猛地在Windows下编译CAFFE并使用其matlab和python接口
零、最近更新2015/07/07 抱歉最近比较忙,留言看得比较少,如果有问题请加 QQ群:Deep Learning高质量群 209306058,会有各路大神回答你的问题。 2015/07/07 现在caffe也支持VS2013了,第三方库全部更新至最新版本。请从http://pan.baidu.com/s/1sj3IvzZ 下载并替换掉原有的build文件夹,其他步骤与先前版本一致。如果转载 2015-07-11 16:25:10 · 9340 阅读 · 6 评论 -
如何在Caffe中配置每一个层的结构
最近刚在电脑上装好Caffe,由于神经网络中有不同的层结构,不同类型的层又有不同的参数,所有就根据Caffe官网的说明文档做了一个简单的总结。1. Vision Layers1.1 卷积层(Convolution)类型:CONVOLUTION例子layers { name: "conv1" type: CONVOLUTION转载 2015-07-12 22:36:08 · 726 阅读 · 0 评论 -
Windows下编译fast rcnn
一、准备caffe-windows:https://github.com/happynear/caffe-windows。如果你的caffe-windows版本是2015/07/09之前下载的,请重新下载并重新编译。重新编译时请首先编译python接口,因为马上就要用到。主程序和matlab接口可以有空的时候再编译。fast r-cnn:https://github.com/r转载 2015-07-22 18:00:29 · 7899 阅读 · 19 评论 -
深度学习--深度信念网络(Deep Belief Network)
本篇非常简要地介绍了深度信念网络的基本概念。文章先简要介绍了深度信念网络(包括其应用实例)。接着分别讲述了:(1) 其基本组成结构——受限玻尔兹曼机的的基本情况,以及,(2) 这个基本结构如何组成深度信念网络。 本文仅仅能使读者了解深度信念网络这一概念,内容非常浅显,甚至有许多不严密的地方。如果有愿意深入了解受限玻尔兹曼机、深度信念网络的,想对深度学习有更多了解的,请访问深度学习官方网站。或者读者转载 2015-07-13 20:11:55 · 5913 阅读 · 0 评论 -
caffe study(5) - AlexNet 之算法篇
原文地址:study(5) - AlexNet 之算法篇" style="text-decoration:none; color:rgb(49,139,146)">caffe study(5) - AlexNet 之算法篇作者:机器学习讲座在机器学习中,我们通常要考虑的一个问题是如何的“以偏概全”,也就是以有限的样本或者结构去尽可能的逼近全局的分布。这就要在样本以及结构模型上下一些工夫。转载 2015-07-14 09:24:24 · 739 阅读 · 0 评论 -
caffe study(3) 关于激活函数以及loss function
loss 是估计值和真实值之映射到某一空间的误差,而loss function就是这种误差的描述形式,loss function反映出了对于问题的定义。在caffe中,包含了常用的loss function,主要有以下几种:MULTINOMIAL_LOGISTIC_LOSSSIGMOID_CROSS_ENTROPY_LOSSSOFTMAX_LOSSEUCLIDEAN_LOSS转载 2015-07-14 09:33:55 · 1413 阅读 · 0 评论 -
caffe study(2) 关于forward和backward - backward
1. 在本质上backward解决的是导数计算的问题,用的就是BP算法,所谓的BP算法就是使用当前层权重对于当前误差加权然后传递到下层节点的一个流程。下图是caffe的doc中示意的,这里面有两部分,一个部分就是向下传递的对于g的偏导数,这个数值就是反向传播的输出;另外一部分就是在当前层中对于当前权重的求导。study(2) 关于forward和backward - backward"转载 2015-07-14 09:35:09 · 1497 阅读 · 0 评论 -
Linux下使用Caffe对图片进行训练并分类的简单流程
step 1. 首先,确保caffe已经正确安装,并且make runtest基本通过。 step 2. 准备训练集: 在训练之前,要准备训练需要的训练集,为了验证训练的效果,最好也准备一定数量的测试集。由于caffe的数据集的输入是leveldb格式,因此在训练前需要将输入转为相应格式。 在caffe_root/example转载 2015-07-13 20:19:28 · 2971 阅读 · 0 评论 -
caffe study(4) - 优化算法基本原理
机器学习就两个问题,一个是model的定义,一个就是如何优化,model是战略,优化则是执行。在Caffe现在的版本中,主要使用了三种优化算法SGD、AdaGrad、以及NAG,这三种算法快速、高效,缺点就是极容易收敛到局部极值点或者不容易收敛。a. 就个人理解来说,对于大数据的处理,算法的高效率要稍微优于精度。对于大规模的非线性优化来说,通过不断的调参可以有效的降低局部收敛或者不转载 2015-07-14 09:36:00 · 1348 阅读 · 0 评论 -
caffe学习网页推荐
1. http://blog.csdn.net/linger2012liu/article/category/2146595/22.http://blog.csdn.net/kkk584520/article/category/2620633原创 2015-07-10 11:28:14 · 822 阅读 · 0 评论 -
神经网络训练中的Tricks之高效BP(反向传播算法)
神经网络训练中的Tricks之高效BP(反向传播算法)zouxy09@qq.comhttp://blog.csdn.net/zouxy09 Tricks!这是一个让人听了充满神秘和好奇的词。对于我们这些所谓的尝试应用机器学习技术解决某些问题的人,更是如此。曾记得,我们绞尽脑汁,搓手顿足,大喊“为什么我跑的模型不work?”,“为什么我实现的效果那么差?”,“为什么我复转载 2015-08-24 10:23:55 · 1641 阅读 · 0 评论 -
Deep Learning 优化方法总结
Stochastic Gradient Descent (SGD)SGD的参数在使用随机梯度下降(SGD)的学习方法时,一般来说有以下几个可供调节的参数:Learning Rate 学习率Weight Decay 权值衰减Momentum 动量Learning Rate Decay 学习率衰减再此之中只有第一的参数(Learning Rate)是必须的,其余部分都是为了提高自适转载 2015-08-10 15:54:11 · 1294 阅读 · 0 评论 -
如何在caffe中增加layer以及caffe中triplet loss layer的实现
关于triplet loss的原理,目标函数和梯度推导在上一篇博客中已经讲过了,具体见:triplet loss原理以及梯度推导,这篇博文主要是讲caffe下实现triplet loss,编程菜鸟,如果有写的不优化的地方,欢迎指出。1.如何在caffe中增加新的layer新版的caffe中增加新的layer,变得轻松多了,概括说来,分四步:1)在./src/ca转载 2015-07-16 13:38:19 · 1240 阅读 · 0 评论 -
深度学习综述
fE首页F发现G游戏H登陆h領你的k奖品5220I*ß赞 (5)分享图像识别中的深度学习2015年8月12日 12:39 阅读 2172来源:《中国计算机学会通讯》第8期《专题》作者:王晓刚转载 2015-08-13 14:01:17 · 2278 阅读 · 0 评论 -
图像识别中的深度学习
图像识别中的深度学习2015年8月12日 12:39 阅读 2172来源:《中国计算机学会通讯》第8期《专题》作者:王晓刚深度学习发展历史深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20转载 2015-08-13 14:02:38 · 4593 阅读 · 0 评论 -
caffe使用MemoryDataLayer从内存中加载数据
最近在搞caffe的应用,因为很多时候我们需要进行服务器来进行特征的抽取,所以我们需要很将单张图片丢入caffe的网络进行一次传递,这样就诞生了一个从内存中如何加载数据进入caffe的需求,这里我直接贴出代码来先:[cpp] view plaincopy#include // these need to b转载 2015-07-23 09:14:04 · 4945 阅读 · 3 评论 -
caffe源码分析--SyncedMemory类代码研究
数据成员:void*cpu_ptr_;数据在cpu的指针void*gpu_ptr_;数据在gpu的指针size_tsize_;数据的大小SyncedHeadhead_;表示数据的状态,有四种状态,分别是未初始化,数据在cpu中,数据在gpu中,数据在cpu和gpu中都有enumSyncedHead { UNINITIALIZED,HEAD_AT_CPU,转载 2015-07-23 20:25:38 · 496 阅读 · 0 评论 -
caffe study (1) - 数据结构(1)
以下主要是对于Caffe主页文档的总结1. 结构的生成:caffe的基本结构是采用google的proto库自动生成的,基本流程就是定义一个配置文件,扩展名为proto,调用proto库的编译器编译这个文件可以生成相应的类的c++的代码。具体的可以参见proto库的介绍。下面来介绍caffe中用到的一些结构2.Blob结构:a. blob是一个标准的Array,主要转载 2015-07-14 09:37:11 · 941 阅读 · 0 评论 -
Caffe代码导读(1):Protobuf例子
Protobuf是一种可以实现内存与外存交换的协议接口。这是由谷歌开发的开源工具,目前研究Caffe源码时用到。一个软件项目 = 数据结构 + 算法 + 参数,对于数据结构和算法我们都已经有较多研究,但不同开发者对参数管理却各有千秋。有人喜欢TXT格式化的参数文件,有人喜欢BIN简单高效,也有人喜欢图形化界面的直观。不一致的参数管理带来很多问题,例如一个项目组内不同成员必须约定一套统一的参转载 2015-07-24 11:05:50 · 539 阅读 · 0 评论 -
caffe源码解析 — caffe.proto
引言要看caffe源码,我认为首先应该看的就是caffe.proto。 它位于…\src\caffe\proto目录下,在这个文件夹下还有一个.pb.cc和一个.pb.h文件,这两个文件都是由caffe.proto编译而来的。 在caffe.proto中定义了很多结构化数据,包括:BlobProtoDatumFillerParameterNetParameterSolverPa转载 2015-08-06 14:02:10 · 949 阅读 · 0 评论 -
神经网络:caffe特征可视化的代码样例
caffe特征可视化的代码样例不少读者看了我前面两篇文章总结一下用caffe跑图片数据的研究流程deep learning实践经验总结2--准确率再次提升,到达0.8,再来总结一下之后,想知道我是怎么实现特征可视化的。简单来说,其实就是让神经网络正向传播一次,然后把某层的特征值给取出来,然后转换为图片保存。下面我提供一个demo,大家可以根据自己转载 2015-08-06 19:28:45 · 1945 阅读 · 0 评论 -
Caffe使用教程
网址:https://github.com/shicai/Caffe_ManualCaffe使用教程by Shicai Yang(@星空下的巫师)on 2015/08/06初始化网络#include "caffe/caffe.hpp"#include #include using namespace caffe;char *proto = "H:\\Model转载 2015-08-07 09:13:54 · 1378 阅读 · 0 评论 -
Boost windows x64版本编译
之前编译BGSLibrary时候使用的32位的boost,现在需要编译的Caffe是采用64位的boost库文件,所以要重新编译64位的boost。和32位环境不同,x64环境下编译得先从开始菜单启动Visual Studio的Visual Studio Tools下的“VS2012 x64 兼容工具命令提示”进入命令提示符,而不是随便打开任意一个命令行窗口就行。然后转到boost根文转载 2016-03-04 11:25:12 · 4058 阅读 · 0 评论 -
在win7下配置微软的深度学习caffe
1.首先去github上下载微软的caffe https://github.com/Microsoft/caffe 解压文件到任意位置 2.下载CUDA7.5,并安装 https://developer.nvidia.com/cuda-toolkit 下载cuDNN v4 cuDNN需要申请才能下载,这里我提供网盘给大家http://pan.baidu.com/s/1pJV转载 2016-03-10 11:42:17 · 4019 阅读 · 2 评论 -
非极大值抑制(Non-maximum suppression)在物体检测领域的应用
最近在一个项目,需要用到非极大值抑制,找了很长时间没有找到非极大值抑制在物体检测方面的的详细解释,最后只有翻阅相关的代码来理解。一、Nms主要目的 在物体检测非极大值抑制应用十分广泛,主要目的是为了消除多余的框,找到最佳的物体检测的位置。如上图中:虽然几个框都检测到了人脸,但是我不需要这么多的框,我需要找到一个最能表达人脸的框。下图汽车转载 2016-02-28 21:24:18 · 2982 阅读 · 0 评论 -
cuda编译错误汇总
1.日志路径中包含中文符号时出错:>ptxas C:/Users/ADMINI~1.1PG/AppData/Local/Temp/tmpxft_00000f4c_00000000-7_kernel.compute_20.ptx, line 181; : fatal error : Parsing error near '-': syntax error1>ptxas : fatal err原创 2016-04-27 14:30:08 · 4000 阅读 · 0 评论 -
深度学习网址
收集深度学习网址1.http://ju.outofmemory.cn/entry/159355原创 2016-03-14 13:00:54 · 537 阅读 · 0 评论 -
Faster-RCNN+ZF用自己的数据集训练模型(Matlab版本)
说明:本博文假设你已经做好了自己的数据集,该数据集格式和VOC2007相同。下面是训练前的一些修改。(做数据集的过程可以看http://blog.csdn.net/sinat_30071459/article/details/50723212)Faster-RCNN源码下载地址:Matlab版本:https://github.com/ShaoqingRen/fa转载 2016-10-08 10:53:27 · 2903 阅读 · 1 评论