Caffe实战笔记：Caffe平台上，如何调整卷积神经网络结构

最新推荐文章于 2020-10-25 22:10:07 发布

AI研习图书馆

最新推荐文章于 2020-10-25 22:10:07 发布

阅读量195

点赞数

分类专栏： caffe学习文章标签：网络结构 caffe prototxt

本文链接：https://blog.csdn.net/weixin_44222014/article/details/103163922

版权

本文介绍了如何在Caffe框架中调整卷积神经网络结构，以Alexnet为示例，说明如何修改网络结构并添加新层。通过修改prototxt文件，实现了对网络的定制，旨在提升网络性能和满足实际项目需求。

摘要由CSDN通过智能技术生成

个人微信公众号：AI研习图书馆，欢迎关注~

深度学习知识及资源分享，学习交流，共同进步~

1.引言

目前，刚开始进入计算机视觉—目标检测领域不久，一切都在学习实践当中，caffe小白，记录成长点滴，希望可以帮助到你~

个人觉得，caffe框架，是深度学习中比较好用一个框架了。caffe平台实现卷积神经网络十分方便，只需要一个协议文件定义一下网络结构，再定义一个超参协议文件即可。

2.简单调整卷积神经网络结构（范例）

本文只是简要介绍如何修改网络结构，而不是如何合理的修改网络结构，什么样的网络才是好的，这暂时还没有一个明确的定义，大多数研究者还处于试一试的阶段，如果谁能把这个问题搞清楚，估计能拿一个图灵奖了。

以Alexnet为例

原始的Alexnet网络结构（netscope可视化）：
在这里插入图片描述
相应的协议文件：

layer {
   
  name: "conv3"
  type: "Convolution"
  bottom: "pool2"
  top: "conv3"
  param {
   
    lr_mult: 1
    decay_mult: 1
  }
  param {
   
    lr_mult: 2
    decay_mult: 0
  }
  convolution_param {
   
    num_output: 384
    pad: 1
    kernel_size: 3
    weight_filler {
   
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
   
      type: "constant"
      value: 0
    }
  }
}
layer {
   
  name: "relu3"
  type: "ReLU"
  bottom: "conv3"
  top: "conv3"
}
layer {
   
  name: "conv4"
  type