Caffe实战项目(初级)
文章平均质量分 78
四海龙王Black
这个作者很懒,什么都没留下…
展开
-
DeepLearning(基于caffe)实战项目(8)--修改caffe源代码从添加loss(层)函数开始
在caffe中摸爬滚打了一个多月了,修改caffe源代码,早就想练练手了,loss层是一个比较独立的一个层,而且可以仿照caffe给的样例进行添加,难度会稍微小点。原创 2017-05-27 19:03:32 · 4301 阅读 · 5 评论 -
DeepLearning(基于caffe)实战项目(9)--Python测试训练好的model
之前曾用Matlab测试训练好的model(详细见:http://blog.csdn.net/sihailongwang/article/details/72700482),现在打算用Python测试训练好的model,这里用imagenet为例。原创 2017-05-30 10:27:55 · 814 阅读 · 0 评论 -
DeepLearning(基于caffe)实战项目(7)--从caffe结构里函数总结一览caffe
我觉得学习caffe,必须得做到会修改源码,刚开始可以不需要知道所有的函数是如何实现的,但必须得知道里边都有哪些函数,这些函数都可以干什么。用网上流行的比喻:Blobs,Layers,Nets的关系就好比,Blob是砖块,Layer是墙,net是一栋大楼。Blob:Blob是一个模板类,在内存中表示4维数组,维度从低到高为:width、height、channels(颜色通道)、num原创 2017-05-27 14:38:37 · 1327 阅读 · 1 评论 -
DeepLearning(基于caffe)实战项目(6)--探索leNet模型的真谛
到目前为止,我们训好了模型,测试了模型,也知道如何看学习曲线,那么就很好奇,通过怎么个流程,能让一幅图片转换成了一个结果(数字),接下来将一探究竟。首先,需要明确的是我们训练集是60000张32*32的图片,测试集是10000张32*32的图片。原创 2017-05-26 11:26:19 · 627 阅读 · 0 评论 -
DeepLearning(基于caffe)实战项目(5)--Matlab画学习(Loss)曲线
话说,我们的model也训练好了,也能进行相应的(分类)预测了,但是怎么才能判断我们的model拟合的到底好还是不好呢,如何才能很直观的看出我们model拟合的怎么样,这样,我们就需要从训练日志里找寻相应的(Loss)值,然后画出曲线,在网上,我找了找看有没有现成的代码,发现,大部分都是用原有的Python程序,于是我打算用matlab自己写一个画学习曲线的程序。原创 2017-05-25 18:48:27 · 3110 阅读 · 4 评论 -
DeepLearning(基于caffe)实战项目(4)--Matlab测试训练好的model
好了,现在我们已经训练好自己的model,如何用这个model去预测我们待测样本的标签,就成了一个需要解决的问题。 这里我们主要说的是Matlab程序调用训练好的model来预测标签。但是在说这个之前,有必要说说如何用caffe文件中的classification.exe原创 2017-05-24 19:24:42 · 2268 阅读 · 0 评论 -
DeepLearning(基于caffe)实战项目(3)--我们关心的caffe输出
经过这一通训练,总算可以得到相应的模型了(具体操作网上已经烂大街了),我们要是修改caffe参数,甚至是修改caffe内部程序,必须是以输出结果为动力,现在我们就看看我们关心的caffe输出都有哪些,虽然每一层都可以输出,但是我们最关心的有Loss层。深度学习就是通过最小化输出和目标的Loss来驱动的。值得注意的是:以mnist为例,我们所得到的ip2层已经是我们预测(分类/回归)的结果,原创 2017-05-23 20:04:05 · 1286 阅读 · 0 评论 -
DeepLearning(基于caffe)实战项目(1)--mnist_convert函数分析
接触caffe快一个月了,最近想搞一个基于caffe的项目,我们知道,caffe只能识别leveldb或者lmdb格式的文件,所以一切从数据转换开始。若想自己写转换函数程序(matlab/Python),自然而然需要读懂caffe中examples里转换的函数。原创 2017-05-20 11:45:54 · 953 阅读 · 0 评论 -
DeepLearning(基于caffe)实战项目(2)--mnist(image转lmdb)
(mnist原始数据下载地址:http://download.csdn.net/detail/sihailongwang/9849435)现在我们得到了mnist的初始数据,包括60000张训练图片和10000张测试图片,以及他们相应的标签,若要进行训练,则必须进行数据的转换。原创 2017-05-23 09:07:07 · 766 阅读 · 1 评论 -
DeepLearning(基于caffe)实战项目(10)--Python编写网络配置文件
你一定有这样一种感受,就是当网络模型层数较少的时候,还可以接受手动写配置文件,当网络层数多了之后,就会自己写的写的就乱了,现在介绍用Python编写配置文件,不仅方便编写,而且观看也比较舒服。 以mnist的LeNet为例,直接上代码:# encoding: utf-8#!/usr/bin/python'''Created on 2017.06.12示例:Pytho原创 2017-06-12 22:01:41 · 514 阅读 · 0 评论