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):
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