深度学习
21世纪水手
专注机器学习
展开
-
如何解读Caffe源码
文章转自: http://blog.csdn.net/thesby/article/details/50880546 如何解读Caffe源码 导读 Caffe是现在非常流行的深度学习库,能够提供高效的深度学习训练。该库是用C++编写,能够使用CUDA调用GPU进行加速。但是caffe内置的工具不一定能够满足用户的所有需求,所以阅读源码并理解它,是很有必要的。 这篇博文转载 2016-08-15 16:17:00 · 566 阅读 · 0 评论 -
《Batch Normalization Accelerating Deep Network Training by Reducing Internal Covariate Shift》阅读笔记与实现
本文转自:http://www.aichengxu.com/view/1422042 今年过年之前,MSRA和Google相继在ImagenNet图像识别数据集上报告他们的效果超越了人类水平,下面将分两期介绍两者的算法细节。 这次先讲Google的这篇《Batch Normalization Accelerating Deep Network Training by Reduci转载 2016-08-03 12:01:42 · 319 阅读 · 0 评论 -
Caffe源码(一):math_functions 分析
说明 :本文转自 : http://blog.csdn.net/seven_first/article/details/47378697 目录 目录 主要函数 caffe_cpu_gemm 函数caffe_cpu_gemv 函数caffe_axpy 函数caffe_set 函数caffe_add_scalar 函数caffe_copy 函数caffe转载 2016-12-04 16:35:41 · 570 阅读 · 0 评论 -
caffe添加新层教程
说明:本文转自 http://blog.csdn.net/shuzfan/article/details/51322976 时间节点2016.04,即caffe重大更新后(每一种层都对应一个同名cpp和hpp文件)。 描述一下本次要实现层的功能: 正向直接copy传播,反向时将梯度放缩指定倍。 这个层对一些特定的网络结构有很重要的辅助作用,比如有时我们的网络存在分支,但我们转载 2016-12-05 09:38:24 · 1062 阅读 · 0 评论 -
Caffe中的特殊layer解释【慢慢填坑中】
说明 :转自 http://blog.csdn.net/happynear/article/details/48547383 slice:在某一个维度,按照给定的下标,blob拆分成几块。比如要拆分channel,总数50,下标为10,20,30,40,那就是分成5份,每份10个channel,输出5个layer。 concat:在某个维度,将输入的layer组合起来,是slice的逆过程。转载 2016-12-05 19:40:27 · 1282 阅读 · 0 评论 -
CAFFE 参数可视化
说明 :本文转自 http://www.cnblogs.com/denny402/p/5103425.html 通过前面的学习,我们已经能够正常训练各种数据了。设置好solver.prototxt后,我们可以把训练好的模型保存起来,如lenet_iter_10000.caffemodel。 训练多少次就自动保存一下,这个是通过snapshot进行设置的,保存文件的路径及文件名前缀是由sn转载 2016-12-08 17:29:52 · 1266 阅读 · 0 评论