m0_37477175的博客

首先安装caffe安装的过程主要参考了 赵永科的书深度学习21天实战Caffe中的内容。主要步骤如下：sudo apt-get install gitsudo apt-get install libprotobuf-dev libleveldb-dev libopencv-dev libsnappy-devsudo apt-get install libhdf5-serial-dev proto

这里的代码位于 $caffe-root/examples 下，文件名称为00-classification.ipynb，可以在自己的电脑下用jupyter跑一下，加深记忆。导入相关的库# set up Python environment: numpy for numerical routines, and matplotlib for plottingimport numpy as npim

文章转载出处：http://www.cnblogs.com/denny402/p/5686257.html如果用公式 y=f(wx+b)来表示整个运算过程的话，那么w和b就是我们需要训练的东西，w称为权值，在cnn中也可以叫做卷积核（filter），b是偏置项。f是激活函数，有sigmoid、relu等。x就是输入的数据。数据训练完成后，保存的caffemodel里面，实际上就是各层的w和b值。

废话不多说，保存logcaffe我们要绘制曲线必须先把运行log给保存下来，我们将运行所产生的log重定向到文件：./examples/cifar/train_quick.sh >& cifar.log &“>&”表示将所有的标准输出（stdout）和标准错误输出（stderr）都被重定向，“cifar.log”是重定向后log保存的文件，最后的 “&”表示将命令放入后台运行。 观察运行情况：ta

caffe （Convolutional Architecture for Fast Feature Embedding）在caffe中，主要使用LMDB提供数据管理，将形形色色的原始数据转换为统一的Key-Value形式存储，便于数据输入层获得这些数据，而且提高了磁盘IO的利用率。 但是，有时我们可以使用python作为网络结构数据的输入层，毕竟python 简单易写。 参考网址：http

原图像数据：首先必须熟悉一下，find，cut，sed 命令的使用。# /usr/bin/env shDATA=examples/images #数据目录echo "Create train.txt..."rm -rf $DATA/train.txtfind $DATA -name *cat.jpg | cut -d '/' -f3 | sed "s/$/ 1/">>$DATA/trai

有关densenet的相关资料除了查看论文外还可参考博客1以及博客2,本文主要关注densenet的使用。目前有两个版本的densenet网络配置文件分别对应两个版本的caffe：论文所带的caffe代码。此网络结构可直接放到一般版本的caffe中运行，但是不能适应太大的图片尺寸，对cifar10中的32*32的图片可正常运行，但是memorysize仍比其他的网络大很多。适应densenet

使用Python API两个参考地址： Creating an LMDB database in Python Training Multi-Layer Neural Network with Caffe 添加一个我自己使用过得程序，每一个样本是 75*75*3的数组数据，注意，不是图片数据！def load_data_into_lmdb(lmdb_name, features, l