MingDaYeDe-CSDN博客

原创迁移学习之caffe训练的层设置

一/为什么会有迁移学习：在模型的训练过程中，当你有充分的数据时，你可以将你的网络随机初始化，进行从头的训练参数过程，但这个过程可能很长和很痛苦；因为模型的前几个层中，主要学习到的特征是图像的轮廓，或其他特征，在在最后的几层才是分类或回归的高级特征，因此人们往往利用别人已经训练好的模型，而修改最后几层，来达

2017-11-15 18:18:07 1377

原创深度学习数学基础之线性代数

深度学习中的基本数据结构，基本上都是用向量或矩阵表示的，因此：深度学习的基础学科之一：就是线性代数。深度学习中的线性代数知识主要包括以下部分：1、标量、向量、矩阵和张量：这4个变量很好理解：分别表示一个数、一维空间（一条线）、二维（一个平面）、多于二维（立体或超立体等）；2、矩阵的乘法和内积：这个在深度学习的基础，必须

2017-11-10 19:36:43 607

原创 caffe的softmax层原理及代码解析

一、在多分类模型中，常使用softmax分类，它是logistic模型的推广，将输出映射成概率，在（0,1）之间，并能够起到突出最大值的作用。 e指数曲线

2017-11-08 19:22:51 2501 2

原创 caffe之Data_Layer层代码解析

一、 caffe的数据输入层，根据不同的输入方式有不同的层，因为本人最早接触的是通过lmdb数据库输入数据，而lmdb对应这DataLayer层，其实还有一个常用的就是ImageDataLayer层，这个层可以直接输入图片的路径，而不需转换。上面这张图，反应输入层的继承关系和不同层次关系，可见： DataLayer层继承自BasePrefetchingDataLa

2017-11-06 17:49:00 2724 1

转载 caffe的数据层及参数

Caffe学习系列(2)：数据层及参数要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等，而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Data,Convolution,Pooling

2017-11-06 16:23:22 307

原创图像卷积的理解

本博客谈谈对以下两个问题的理解： 1. 为何图像的卷积是对应元素相乘并求和； 2 为何图像的卷积可以实现图像的模糊或锐化的作用。问题一：先借助别人的博客，说明下图像卷积的操作： 1.1 图像卷积的操作方法：数字图像是一个二维的离散信号，对数字图像做卷积操作其实就是利用卷积核（卷

2017-11-01 13:37:39 7676 1

原创 caffe源码解析之Blob 及Python和C++接口调用

一、Blob到底是什么东西？可以理解Blob就是个4维数组，n*c*h*w；每个维度分别表示批处理数量，通道个数，高度和宽度；这个4维数组的存在形式是以类的形式存在，可以理解为blob就是个数据存储容器。二、Blob的数据成员 protected: shared_ptr data_; shared_ptr diff_; shared_pt

2017-10-31 16:02:59 756

C++中的static关键字的总结　　C++的static有两种用法：面向过程程序设计中的static和面向对象程序设计中的static。前者应用于普通变量和函数，不涉及类；后者主要说明static在类中的作用。1.面向过程设计中的static1.1静态全局变量在全局变量前，加上关键字static，该变量就被定义成为一个静态全局变量。我们先举一个静态全局变量的例子，如下：//Example 1#i

2017-10-30 16:08:08 189

原创从交叉熵角度理解caffe中softmax_loss层

一、Caffe中的多分类损失函数采用SoftmaxWithLoss层来计算；损失函数采用的是交叉熵： (1)其中，k为真是的标签，ak表示每个标签的值，而经过softmax（）之后，则返回每一个标签的概率，N表示一个批量的大小，若去掉批量的概念，即批量数量为1，可以理解为只输入一张图片，来确认它的分类，则损失函数变为：

2017-10-27 14:35:27 1064

原创深度学习的简单理解

其实深度学习只需要理解两句话： 1. 深度学习让计算机通过简单的概念构建复杂的概念； 2. 深度学习是机器学习的一种，能使计算机系统从经验和数据中得到提高的技术。先来理解第一句话：深度学习同样也是学习一个数学函数，这个函数将一组输入映射到输出值；只不过该函数是由许多个简单函数复合而成的。

2017-10-23 18:57:55 6760

原创 numa的内存按节点分配和线程绑定

前段时间在做1.5亿条数据的比对，需要多线程和内存的访问问题，由于内存的访问与numa节点的分配有关，即：cpu访问本地节点的内存速度要快。现将numa的几个库函数做一下说明：int main(){ if(numa_available()<0) { printf("your system does not support numa api \n"); return

2017-10-23 16:40:14 11081 1

原创 C++的标准输出和读写文件

作为第一篇博客，本想写点对深度学习的理解，但是基于码农的考虑，还是先写“hello word”的一些思考吧。说一说标准输入输出和文件读写的相似和不同吧，请看下面代码： #include int main() { std::cout<<"hello world!"<<std::endl;

2017-10-20 19:04:24 983

原创博客宗旨

在很早的时候就想开始写博客，一直没有下定决心，一拖再拖，但今天受到刺激，打算开始我的博客之旅；本人的博客都是自己的理解和思考，会有部分学习笔记，都是偏重理解。博客涉及内容： C++程序/深度学习/Caffe模型/图像处理等。。。

2017-10-20 18:59:10 220

ming5432ming的博客