caffe
sherry_gp
追寻自己想要的,仅此而已。
展开
-
caffe的Matlab接口的使用方法
转自:http://blog.csdn.net/ws_20100/article/details/50525879编译MatCaffe使用如下命令编译MatCaffemake all matcaffe1之后,你可以用以下命令测试MatCaffe:make mattest1如果你在运行上面命令时,遇到如下错误:libstdc++.so.6 versio转载 2016-04-14 17:11:45 · 1166 阅读 · 0 评论 -
Visualizing and Understanding Convolutional Networks笔记
Contents反卷积结构选取遮挡敏感性图片内特征相关性分析实验本文为20141024周报。在所有深度网络中,卷积神经网和图像处理最为密切相关,卷积网络在很多图片分类竞赛中都取得了很好的效果,但卷积网调参过程很不直观,很多时候都是碰运气。为此,卷积网络发明者Yann LeCun的得意门生Matthew Zeiler在2013年专门写了一篇论文,阐述了转载 2016-04-28 08:39:30 · 812 阅读 · 0 评论 -
Caffe学习系列(3):视觉层(Vision Layers)及参数
所有的层都具有的参数,如name, type, bottom, top和transform_param请参看我的前一篇文章:Caffe学习系列(2):数据层及参数本文只讲解视觉层(Vision Layers)的参数,视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。1、Convolutio转载 2016-04-18 16:23:33 · 562 阅读 · 0 评论 -
Caffe学习系列(4):激活层(Activiation Layers)及参数
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常用的激活函数有sigmoid, tanh,relu等,下面分别介绍。1、Sigmoid对每个转载 2016-04-18 16:32:39 · 490 阅读 · 0 评论 -
Caffe学习系列(5):其它常用层及参数
本文讲解一些其它的常用层,包括:softmax_loss层,Inner Product层,accuracy层,reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器,计算的是类别的概率(Likelihood),是Logistic Regression 的一种推广。Lo转载 2016-04-18 16:37:09 · 733 阅读 · 0 评论 -
Caffe学习系列(7):solver及其配置
转自:http://www.cnblogs.com/denny402/p/5074049.htmlsolver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 func转载 2016-04-18 16:42:20 · 383 阅读 · 0 评论 -
Caffe学习系列(8):solver优化方法
上文提到,到目前为止,caffe总共提供了六种优化方法:Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (type: "Adam"),Nesterov’s Accelerated Gradient (type: "Ne转载 2016-04-18 16:43:57 · 823 阅读 · 0 评论