![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Caffe
文章平均质量分 50
tottea
这个作者很懒,什么都没留下…
展开
-
【Caffe笔记】一.Caffe模型解释
前言: 此系列文章是作者看CaffeCN官方教程中译本过程中做下的笔记,方便自己以后翻阅及有需要的人翻阅。 官方文档中译本下载地址:http://caffecn.cn/?/page/tutorial Caffe使用blobs结构来存储,交换,处理网络中正向和反向迭代的数据(data)和导数信息(diff)。blob是Caffe中的标准数组结构。Layer...原创 2018-03-22 21:19:19 · 2371 阅读 · 0 评论 -
【Caffe笔记】二.Forward and Backward(前传/反传)
前传和后传是一个网络最重要的计算过程。1.前传 前传过程为给定的待推断的输入计算输出,Caffe组合每一层的计算一得到整个模型的计算函数,自底向上进行。2.反传 反传过程根据损失来计算梯度从而进行学习,Caffe通过自动求导并反向组合每一层的梯度来计算整个网络的梯度,自顶向下进行。 反传过程以损失开始,根据输出计算梯度。根据链式准则,逐层计算出模型其余部分的梯度。3.Ca...原创 2018-03-22 22:32:43 · 1602 阅读 · 0 评论 -
【Caffe笔记】三.Loss
与大多机器学习模型一样,在caffe中,学习由一个损失函数(误差,代价,目标函数)所驱动。一个损失函数将参数集(网络权值)映射到一个可以标识这些参数“不良程度”的标量值来学习目标。学习的目标是找到最佳的参数集使得损失函数最小。 在caffe中,损失是通过网络的前向计算得到的。每一层由一系列的输入blobs(bottom)产生输出blobs(top)。这些层的某些输出可以用作损失函数。...原创 2018-03-23 10:10:45 · 317 阅读 · 0 评论 -
【Caffe笔记】四.Slover
1.Solver简介 Solver通过协调Net的前向推断计算和反向梯度计算来对参数进行更新,从而达到减小loss的目的。Caffe模型的学习被分为了两部分:Solver进行更新优化参数,Net进行计算loss和gradient。 Caffe所支持的solvers如下: Stochastic Gradient Descent(type: "SGD") Ada...原创 2018-03-23 11:31:37 · 232 阅读 · 0 评论