![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Caffe&TF&Mxnet
文章平均质量分 89
smallplum123
这个作者很懒,什么都没留下…
展开
-
从0开始踩坑装深度学习环境
1. nvidia driver首先是装显卡驱动,通常玩深度学习都是N卡。lspci | grep NVIDIA执行以上命令查看一下是否能找到卡。然后到nvidia官网下载runfile(点这里)sudo ./NVIDIA-Linux-x86_64-396.82.run -no-x-check -no-nouveau-check -no-opengl-files踩坑1: 可...原创 2019-12-12 23:32:36 · 132 阅读 · 0 评论 -
Tensorflow for linux 安装过程
玩过 caffe, 玩过 mxnet, 最近想玩玩mobileNet,所以装了一下 tf.相对来说, tf 的安装还是挺方便的。官方的安装介绍清晰明了:https://www.tensorflow.org/install/install_linux跟着走就好.一、安装 CUDA 8.0跟着官网文档走就好 (http://docs.nvidia.com/cuda/cuda原创 2017-07-28 15:44:46 · 640 阅读 · 0 评论 -
annaconda + tensorflow + pycharm 安装简记
1. annacondaannaconda 是集成的python平台,包括了很多py的库,如numpy, matplot 等等。直接官网下载对应的安装包即可。再输入:bash Anaconda-xx.x.x-Linux-x86_64.sh即可。 2. 接下来安装tensorflow查看安装信息$ conda info查看当前已安装的库$ conda list...原创 2017-11-16 15:50:03 · 1587 阅读 · 0 评论 -
学习笔记: 源码 multinomial_logistic_loss_layer.cpp 略晓
MultinomialLogisticLossLayer对数损失函数: L = -log(P(Y|X))softmax 的损失函数如下:在处理分类问题的时候,当前一层输出了每一类的概率,那么则可以利用 MultinomialLogisticLossLayer 来计算 loss。1. forward()template void Multinomia原创 2017-05-16 20:00:31 · 2193 阅读 · 0 评论 -
学习笔记: 源码 conv_layer.cpp 略知
ConvolutionLayerConvolutionLayer 继承于 BaseConvolutionLayer。一、层的初始化1. BaseConvolutionLayer::LayerSetUp()在BaseConvolutionLayer::LayerSetUp() 会对 blobs_ 进行初始化,以下是weights的初始化// Ini原创 2017-05-12 10:54:49 · 924 阅读 · 0 评论 -
学习笔记: 源码 softmax_layer.cpp 略通
SoftmaxLayer 1. softmax 的数学公式如下:所以,softmax 的输入和输出的 blob 形状大小是一样的。2. forward()template void SoftmaxLayer::Forward_cpu(const vector*>& bottom, const vector*>& top) { c原创 2017-05-16 17:02:19 · 415 阅读 · 0 评论 -
学习笔记: 源码 accuracy_layer.cpp 略明
AccuracyLayer 是计算分类准确率的层。输出分类准确率。1. AccuracyLayer 的成员:topK : 计算 topK 的准确率。默认为1,即 top1 的准确率。topK准确率准则下,分类正确的定义如下:在你模型对一个样本进行分类时,对于每一类都有产生一 个概率,取topK 个概率对应的predicted label,如果这topK个 predicted l原创 2017-05-15 21:09:05 · 1211 阅读 · 2 评论 -
使用pycaffe 对caffemodel 参数进行读取
使用pycaffe 对caffemodel 参数进行读取转载 2016-04-17 20:36:17 · 1576 阅读 · 0 评论 -
学习笔记: 源码 inner_product_layer.cpp 略识
InnerProductLayer 也是主要为三部分:初始化,前向传播,后向传播。1. LayerSetUp()template void InnerProductLayer::LayerSetUp(const vector*>& bottom, const vector*>& top) { const int num_output = this->layer_p原创 2017-05-15 19:51:43 · 816 阅读 · 0 评论 -
学习笔记: 源码 filler.hpp 简记
1. GetFiller()//通过调用GetFiller 函数,进行相应的继承类对象的创建。template Filler* GetFiller(const FillerParameter& param) { const std::string& type = param.type(); if (type == "constant") { return new Cons原创 2017-05-15 16:00:59 · 387 阅读 · 0 评论 -
学习笔记: 源码 relu_layer.cpp 略见
ReLULayer 和 SigmoidLayer 等层一样,都属于激活层,也就是所谓的神经元层,他们都继承于基类层 NeuronLayer。而 NeuronLayer 的 bottom 和 top 的数据都是一一对应的,所以Reshape的时候如下:top[0]->ReshapeLike(*bottom[0]);下面来看看 Forward() 和 Backward()1原创 2017-05-13 22:58:19 · 449 阅读 · 0 评论 -
学习笔记: 源码 pooling_layer.cpp 略懂
PoolingLayer 相比于 ConvolutionLayer 简单多了……Layer 三步走:SetUp,Forward 和 Backward.1. LayerSetUp()存储相应的layer param,例如 kernel_h, kernel_w,stride 等等。2. Reshape()根据 bottom 的形状大小对 top 进行形状大小的计算,原创 2017-05-13 21:14:51 · 455 阅读 · 0 评论 -
学习笔记: 源码 caffe.cpp 初探
看 caffe 源码,首先从 caffe.proto 了解起,然后对caffe.cpp 进行阅读,毕竟整个庞大的 caffe 从这里的 main 函数开始。原创 2017-05-06 19:42:05 · 667 阅读 · 0 评论 -
学习笔记: 源码 solver.cpp 初访
1. solver.cpp中,主要是Solver的初始化函数Solver::Init(const SolverParameter& param),以及训练网络net_的初始化InitTrainNets() ,和测试网络test_nets_初始化InitTestNets() 。还有就是关于手动中断训练的相关函数GetRequestedAction()等。最最重要的,应该是Solver::solve(原创 2017-05-08 11:06:43 · 445 阅读 · 0 评论 -
学习笔记: 源码 net.cpp 浅析
1. 初始化函数template void Net::Init(const NetParameter& in_param) {...map blob_name_to_idx; //Blob名与index的mapset available_blobs; //记录已有的Blob名memory_used_ = 0; //统计内存占用//初始化各数据成员个数,bottom_vecs_记录每原创 2017-05-08 11:08:42 · 657 阅读 · 0 评论 -
学习笔记: 源码 blob.cpp 初见
1. 看 blob.cpp 之前,首先来看blob.hpp。可以看到,Blob有几个主要的成员:data_ : 存储 data,前向传播的数据diff_ : 存储 diff, 反向传播的误差count_ : 当前Blob有效元素个数capacity_ : Blob的容量大小。2. 在 Blob 的构造函数中,会调用Reshape() 来初始化对象Blob,根据sha原创 2017-05-09 11:20:56 · 337 阅读 · 0 评论 -
基于Ubuntu 15.04 不带CUDA的Caffe 最简单初配过程
参考来自:http://blog.csdn.net/fengbingchun/article/details/45535741/ 感谢大神的博客,本文只用于个人学习作笔记用途。初次使用Caffe,先简单熟悉一下,把Caffe跑通了再说。原创 2016-02-26 11:09:45 · 323 阅读 · 0 评论 -
学习笔记:Ubuntu15.04 + Python 配置
1.首先安装Anaconda,选择合适的版本安装, 地址 https://www.continuum.io/downloads 2. 然后选择一些需要的依赖性进行安装,可以通过$for req in $(cat requirements.txt); do pip install $req; done进行下载安装。但是,存在一些与Anaconda重复的库,比如 numpy ,这些就不要选择下载了原创 2016-03-01 21:15:21 · 385 阅读 · 0 评论 -
学习笔记: pycaffe example 之 fine-tuning
1.asserterror1e-8如果右式正确,则不会报错,如果错误则会报错。2.deluntrained_style_net可以删除一些变量,以节省内存空间。原创 2016-03-03 16:14:05 · 787 阅读 · 0 评论