caffe学习
一颗行走的大白菜
本人专注于计算机视觉和深度学习的应用
展开
-
caffe:vision layers
视觉层具体包含以下几个层:Convolution Layer - convolves the input image with a set of learnable filters, each producing one feature map in the output image.Pooling Layer - max, average, or stochastic pooling....原创 2018-05-25 15:37:58 · 249 阅读 · 0 评论 -
caffe(13):caffemodel中的参数及特征的抽取
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...转载 2018-05-29 19:03:52 · 177 阅读 · 0 评论 -
caffe: 数据层
在caffe中layer分为以下几类:Data LayersVision LayersRecurrent LayersCommon LayersNormalization LayersActivation / Neuron LayersUtility LayersLoss Layers首先介绍数据层,数据层是每个模型的最底层,是模型的入口,不仅提供数据的输入,也提供数据从B...原创 2018-05-24 21:52:58 · 328 阅读 · 0 评论 -
caffe python 接口
官网也有提供demohttp://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb本文整理了pycaffe中常用的APIPackages导入 i...转载 2018-08-11 13:50:18 · 414 阅读 · 0 评论 -
caffe(12): caffemodel 可视化
转:http://www.cnblogs.com/denny402/p/5103425.html 通过前面的学习,我们已经能够正常训练各种数据了。设置好solver.prototxt后,我们可以把训练好的模型保存起来,如lenet_iter_10000.caffemodel。 训练多少次就自动保存一下,这个是通过snapshot进行设置的,保存文件的路径及文件名前缀是由snapshot_pref...转载 2018-05-29 19:02:58 · 187 阅读 · 0 评论 -
caffe(11): 训练测试自己的图片
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...转载 2018-05-29 13:19:56 · 175 阅读 · 0 评论 -
caffe :commond layer(常用层)
commond layer 下面分为三个分别是:Inner Product - fully connected layer.DropoutEmbed - for learning embeddings of one-hot encoded vector (takes index as input). - 1)inner product or fully connected laye...原创 2018-05-26 10:46:57 · 286 阅读 · 0 评论 -
caffe :normalization layer
包含三个层:Local Response Normalization (LRN) - performs a kind of “lateral inhibition” by normalizing over local input regions.Mean Variance Normalization (MVN) - performs contrast normalization / ...原创 2018-05-26 14:13:29 · 1461 阅读 · 0 评论 -
caffe :activation layer
在激活层中,对输入数据进行激活操作(实际上就是一种函数变换),是逐元素进行运算的。从bottom得到一个blob数据输入,运算后,从top输入一个blob数据。在运算过程中,没有改变数据的大小,即输入和输出的数据大小是相等的。输入:n*c*h*w输出:n*c*h*w 先贴一张图吧,不知道激活函数具体形式的同学可以参考: 1) ReLU / Rectified-Linear and ...原创 2018-05-26 21:12:05 · 269 阅读 · 0 评论 -
caffe:solver
转载:https://www.cnblogs.com/denny402/p/5074049.html solver算是caffe的核心的核心,它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learning中,往往loss function是非凸...转载 2018-05-26 22:01:04 · 154 阅读 · 0 评论 -
caffe:几种优化方法
1)SGD 随机梯度下降(Stochastic gradient descent)是在梯度下降法(gradient descent)的基础上发展起来的,梯度下降法也叫最速下降法。SGD在通过负梯度和上一次的权重更新值Vt的线性组合来更新W,迭代公式如下: 其中, 是负梯度的学习率(base_lr),是上一次梯度值的权重(momentum),用来加权之前梯度方向对现在梯度下降方向的影响。这...原创 2018-05-28 10:05:42 · 470 阅读 · 0 评论 -
caffe:utility layers
1)Reshape layer: 例子:layer { name: "reshape" type: "Reshape" bottom: "input" top: "output" reshape_param { shape { dim: 0 # copy th原创 2018-05-28 13:28:08 · 338 阅读 · 0 评论 -
caffe(9): command line
转载:http://www.cnblogs.com/denny402/p/5076285.html caffe的运行提供三种接口:c++接口(命令行)、python接口和matlab接口。本文先对命令行进行解析,后续会依次介绍其它两个接口。caffe的c++主程序(caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件,如:convert_imageset.cpp...转载 2018-05-28 20:11:54 · 153 阅读 · 0 评论 -
caffe(10):图像数据集转化成lmdb
转:http://www.cnblogs.com/denny402/p/5082341.html 在深度学习的实际应用中,我们经常用到的原始数据是图片文件,如jpg,jpeg,png,tif等格式的,而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb,因此就产生了这样的一个问题:如何从原始图片文件转换成caffe中能够运行的db(leveldb/lmdb)...转载 2018-05-29 13:01:16 · 358 阅读 · 0 评论 -
Caffe学习:绘制loss和accuracy曲线(使用caffe工具包)
Caffe学习:绘制loss和accuracy曲线(使用caffe工具包)我们在使用caffe训练深度网络的时候,最关心的往往是loss和accuracy的变化情况,一般为了比较直观的观察这两者的变化情况,都会通过绘制曲线的形式...转载 2018-08-27 16:21:45 · 300 阅读 · 0 评论