caffe
昵称每次都被抢
青青子衿,悠悠我心,若为君故,沉吟至今
展开
-
caffe入门教程
(一)简介 1.caffe是一个清晰而高效的深度学习框架,纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口,可以在CPU和GPU直接无缝切换; 2.caffe的主要优势: (1)CPU与GPU的无缝切换; (2)模型与优化都是通过配置文件来设置,无需代码; 3.caffe的下载与安装: (1)下载 (2)安装 (3)caffe的下载与安装以及一些基本的介绍官网转载 2016-10-09 22:12:28 · 786 阅读 · 0 评论 -
caffe之训练和测试自己的图片
学习caffe的目的,不是简单的做几个练习,最终还是要用到自己的实际项目或科研中。因此,本文介绍一下,从自己的原始图片到lmdb数据,再到训练和测试模型的整个流程。 一、准备数据 有条件的同学,可以去imagenet的官网http://www.image-net.org/download-images,下载imagenet图片来训练。但是我没有下载,一个原因是注册账号的时候,验证码始终出不来(转载 2016-10-12 21:54:17 · 485 阅读 · 0 评论 -
深度学习工具比较1
对Caffe、CNTK、TensorFlow、Theano和Torch等深度学习工具从网络、模型能力、接口、部署、性能、架构、生态系统、跨平台等方面做了比较。 网络和模型能力 Caffe可能是第一个主流的工业级深度学习工具,它开始于2013年底,具有出色的卷积神经网络实现。在计算机视觉领域Caffe依然是最流行的工具包,它有很多扩展,但是由于一些遗留的架构问题,它对递归网络和语言建模的支持很差转载 2017-02-16 15:25:22 · 1110 阅读 · 0 评论 -
Caffe、TensorFlow、MXnet三个开源库对比
最近Google开源了他们内部使用的深度学习框架TensorFlow,结合之前开源的MXNet和Caffe,对三个开源库进行了比较,其中只有Caffe比较仔细的看过源代码,其他的两个库仅阅读官方文档和一些研究者的评论博客有感,本文首先对三个库有个整体的比较,再针对一些三者设计的不同数据结构、计算方式、gpu的选择方式等方面做了比较详细的比较。 最近Google开源了他们内部使用的深度学习转载 2017-02-16 15:27:52 · 442 阅读 · 0 评论