![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Caffe学习
文章平均质量分 74
遍地流金
这个作者很懒,什么都没留下…
展开
-
Caffe学习(五)视觉层及其设置
Caffe源码里自带的VisionLayer有三种:(1)ConvlutionLayer(2)PoolingLayer(3)LocalResponseNormalizationLayer前两种在(四)的实例中有过介绍,这里主要讲述第三种LRN,来源于2012AlexNet的局部归一化层。AlexNet认为,LRN层模仿生物神经系统的侧抑制机制,对局部神经元的活动创建竞争机制,使得响原创 2016-08-07 11:44:23 · 1697 阅读 · 0 评论 -
Caffe学习(九)使用Nsight Eclipse调试py-faster-rcnn(C++/python混合代码调试)
实验目的由于py-faster-rcnn均采用的是python接口,但是在内部调用了caffe的C++共享库_caffe.so,若想要搞清楚数据在网络中的具体流向,就必须要能够联合调试python和C++的混合代码,本文讲述如何使用Nsight实现这种功能。软件版本说明Nsight Eclipse版本:Nsight Version 8.0,对应的Eclipse版本为Juno,Eclipse 4.2原创 2016-10-31 16:44:57 · 4322 阅读 · 8 评论 -
Caffe学习(六)损失层及其参数设置
机器学习的目的就是通过对训练样本输出与真实值不一致的进行惩罚,得到损失Loss,然后采用一定的优化算法对loss进行最小优化,进而得到合理的网络权值。本文介绍Caffe中含有的常见的LossLayer及其参数设置方法Caffe的LossLayer主要由6个:(1)ContrastiveLossLayer对比损失函数主要用来训练siamese网络,改网络为专门处理同时输入两张图像的网原创 2016-08-07 19:29:19 · 16801 阅读 · 4 评论 -
Caffe学习(七)激活函数
激活函数的起源是希望该函数能够对神经元进行建模,进而起到对输入的数据进行非线性响应的过程。常用的激活函数激活函数应该具有的性质: (1)非线性。线性激活层对于深层神经网络没有作用,因为其作用以后仍然是输入的各种线性变换。。 (2)连续可微。梯度下降法的要求。 (3)范围最好不饱和,当有饱和的区间段时,若系统优化进入到该段,梯度近似为0,网络的学习就会停止。 (4)单调性,当激活函数是单调时,原创 2016-08-09 20:26:41 · 4282 阅读 · 0 评论 -
Caffe学习(八)运行py-faster-RCNN
1.下载py-faster-RCNN源码git clone --recursive https://github.com/rbgirshick/py-faster-rcnn2.编译lib库cd $FRCN_ROOT/libmake3.编译caffe这部分的caffe编译与以前讲述的基本一致,不同的是makefile.config的修改部分,使支持用python定义layer# In your Ma原创 2016-08-23 10:43:41 · 4696 阅读 · 2 评论 -
Caffe学习(一)Caffe+ubuntu14.04+Cuda8.0安装
硬件配置:i76700K + GTX1080 + 32G 2400MHz RAM + 250G SSD1. ubuntu14.04安装刚装完以后系统有可能卡顿非常明显,此时是因为显卡驱动没有安装。2. GTX1080显卡驱动367.35安装Sudo apt-get update##更新源sudo add-apt-repository ppa:graphics原创 2016-08-03 13:17:05 · 13743 阅读 · 1 评论 -
Caffe学习(二)Mnist手写数字识别测试与分析
学习caffe,从弄清楚第一个例程开始~~~首先进入caffe安装的根目录,cd CAFFE_ROOT,以下所有操作都是默认在该目录下。1. 获取mnist数据集bryant@bryant:~/caffe$ ./data/mnist/get_mnist.sh下载以后即可在data/mnist文件夹下得到四组数据,分别是训练集的图像和标签,测试集的图像和标签原创 2016-08-04 08:46:49 · 2538 阅读 · 0 评论 -
Caffe学习(三)Caffe模型的结构
一总体结构在caffe中,解决一个问题首先应该定义一个slover,反应到mnist例程中也就是lenet_solver.prototxt。该slover主要包括两部分,(1)为网络模型model,(2)为该模型参数的具体optimization方法及参数。model主要由各种layer组成,主要包括数据相关的DataLayer,图像滤波变换相关的VisionLayer,非线性激活函数Acti原创 2016-08-05 19:42:26 · 2384 阅读 · 0 评论 -
Caffe学习(四)数据层及参数设置
caffe的各种数据层在caffe.proto文件中有定义。通过对定义的caffe.proto文件进行编译,产生支持各种层操作的c++代码。后面将会详细解读caffe.proto文件(在caffe里就是当做一个自动代码生成工具来用)。本文主要介绍caffe可以读入数据的各种格式,方便后面采用caffe训练自己的数据数据的来源主要有以下几种:(1)高效的数据库(LevelDB或者LM原创 2016-08-06 08:40:24 · 41627 阅读 · 5 评论 -
Caffe学习(十)protobuf及caffe.proto解析
使用protobuf的原由一个好的软件框架应该要有明确的输入和输出,对于CNN网络而言,其主要有两部分组成:网络具体结构和网络的具体优化算法及参数。对于框架的使用者而言,用户只需输入两个描述文件即可得到对该网络的优化结果,这无疑是非常方便的。caffe框架选择使用谷歌的开源protobuf工具对这两部分进行描述,解析和存储,这一部分为caffe的实现节省了大量的代码。如前面讲述的目标检测demo,p原创 2016-12-30 17:01:18 · 7586 阅读 · 1 评论