- 博客(16)
- 资源 (6)
- 收藏
- 关注
原创 Caffe学习笔记2:Windows下安装和搭建caffe框架
小菜在这里要感谢实习老师张xx,是他的无私奉献。他把他之前安装和搭建caffe框架的过程全部记录下来了写成文档了,小菜是按照他caffe学习笔记一步一步安装的,让小菜少走了许多弯路,不过小菜在安装的额过程中也出现了许多错误,小菜参考了一个大牛的博客,是博客园的以为前辈,还有小菜在讨论群里请教了一些大牛,经过不懈努力后来都一一解决了。Ø 首先去github上下载微软的caffe。https:/
2016-08-12 11:28:56 15596 7
原创 BN(Batch Normalization)总结--Accelerating Deep Network Training by Reducing Internal Covariate Shift
BN(batch normalization)总结论文:《Batch Normalization: Accelerating Deep Network Training by ReducingInternal Covariate Shift》小菜这里也是看了许多前辈的博客总结的,这里也感谢前辈的无私。。。。。1. 概述核心:Ø 加入特殊归一化层BN层此论文是Go
2016-08-31 09:48:32 3816
原创 Going Deeper with Convolutions--Googlenet论文总结
Googlenet总结论文:>注:还需要深入研究Inception的结构,此处只是简单的介绍了一开始的Inception,后来Google对Inception的结构又升级了。1. 概述核心:Ø 引入Inception结构Ø 应用averagepooling代替FCØ 加入辅助softmax防止梯度消失本文是Google公司的Christian Sz
2016-08-31 09:43:49 2371 1
原创 Very Deep Convolutional Networks For Large-Scale Image Recognition论文翻译总结
VGGnet论文:《Very Deep Convolutional Networks For Large-Scale Image Recognition》1. 概述本文是牛津大学 visual geometry group(VGG)Karen Simonyan 和AndrewZisserman 于2014年撰写的论文,主要探讨了网络深度对于网络的重要性,建立了16-19
2016-08-31 09:40:28 2763
原创 Visualizing and Understanding Convolutional Networks翻译总结
Zfnet论文:《Visualizing and Understanding Convolutional Networks》1. 概述这篇论文主要的贡献是将卷及神经网络的隐藏层的特征进行可视化,后面通过可视化的展示来分析如何构建更好的网络结构。最后还描述了该网络中的每层对整体分类性能的贡献,还对了该模型在其他数据集上取得的成绩:仅仅是对softmax分类器重新训练,该模型击败了
2016-08-31 09:35:52 12226 3
原创 ImageNet Classification with Deep Convolutional Neural Networks翻译总结
Alexnet总结笔记论文:《ImageNet Classification with Deep Convolutional Neural Networks》1 网络结构网络使用了逻辑回归目标函数求得参数最优化,此网络结构如图1所示,一共有8层网络:5层卷积层、3层全连接层,还有最前面的是图像输入层。1) 卷积层一共有5层卷积层,由结构图可知,此结构用到了2个GPU并行计算部
2016-08-31 09:31:13 1474
原创 Adaboost 训练详解
Adaboost 总结1、 概述Adaboost简单来说就是将多个分类器整合成一个分类器,是boosting的扩展和延续。是一种迭代算法,在每一轮加入一个新的弱分类器,直到达到某个预定的足够小的错误率,最后得到一个由多个弱分类器组成的强分类器。每一个样本在训练时都被赋予一个权值,表明它被某个分类器选入训练集的概率。如果某个样本点已经被正确分类,那么在构造下一个训练集时,它的相应的权
2016-08-12 15:16:31 2324
原创 Caffe学习笔记10:图像数据生成caffe需要的(laveldb和lmdb)数据文件
在深度学习的实际应用中,我们经常用到的原始数据是图片文件,如jpg,jpeg,png,tif等格式的,而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb,因此就产生了这样的一个问题:如何从原始图片文件转换成caffe中能够运行的db(leveldb/lmdb)文件?在caffe中,作者为我们提供了这样一个文件:convert_imageset.cpp,存
2016-08-12 14:56:27 2720 4
转载 Caffe学习笔记9:caffe命令行解析
caffe的运行提供三种接口:c++接口(命令行)、python接口和matlab接口。一般前面两个用的比较多。小菜这里也是看了别人的博客,下面的内容也是来自别人的总结。caffe的c++主程序(caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件,如:convert_imageset.cpp, train_net.cpp, test_net.cpp等也放在这
2016-08-12 14:54:45 1237
原创 Caffe学习笔记8:solver参数配置
solver算是caffe的核心的核心,它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为:Build/x64/Release/caffe.exetrain --solver=examples/myfile/slover.prototxt根据你们自己的路径不一样,上面的文件的路径也不一样。在Deep Learning中,往往lossfunc
2016-08-12 14:52:29 1807
转载 Caffe学习笔记7:其他常用层和参数
小菜在这里讲解一些其它的常用层,包括:softmax_loss、Inner Product、accuracy、reshape、dropout层及其它们的参数配置。1、softmax-loss小菜没有仔细去研究softmax-loss和softmax的区别,softmax-loss层和softmax层计算大致是相同的。softmax是一个分类器,计算的是类别的概率(Likelihood),是
2016-08-12 14:48:58 730
转载 Caffe学习笔记6:激活层(Activiation Layers)和参数
在激活层中,对输入数据进行激活操作(实际上就是一种函数变换),是逐元素进行运算的。从bottom得到一个blob数据输入,运算后,从top输入一个blob数据。在运算过程中,没有改变数据的大小,即输入和输出的数据大小是相等的。输入:n*c*h*w输出:n*c*h*w常用的激活函数有sigmoid、tanh、relu等,下面分别介绍:1、Sigmoid对每个输入数据,利用sigm
2016-08-12 14:45:09 920
原创 Caffe学习笔记5:视觉及参数
所有的层都具有的参数,如name, type, bottom, top和transform_param请参看小菜的caffe学习笔记4文章:数据层及参数。本学习笔记只讲解视觉层(Vision Layers)的参数,视觉层包括Convolution, Pooling、LocalResponse Normalization (LRN)、im2col等层。1、Convolution层:就是卷积层
2016-08-12 11:43:56 973
原创 Caffe学习笔记4:caffe中数据层及参数学习
小菜在成功搭建了caffe和测试了caffe的第一个例子后,觉得应该需要大致了解一下caffe的框架里都有什么,需要去学习基本的知识。跟着小菜一起吧,let’s go……要运行caffe,需要先创建一个模型(model),如比较常用的Lenet、Alexnet、VGG、Googlenet等。而一个模型由多个屋(layer)构成,每一屋又由许多参数组成。所有的参数都定义在caffe.prototxt这
2016-08-12 11:38:51 1207
原创 Caffe学习笔记3:caffe跑第一个mnist的例子
小菜这里是简单的介绍一下整个过程的操作执行的指令,不详细介绍里面的原理,如果你搭建完caffe,赶紧追随小菜一起试试caffe的第一个例子。Ø 打开caffe.sln,生成convert_mnist_data,这样就在Build/x64/Release下生成了convert_mnist_data.exe。Ø 在cygwin中执行caffe-master/caffe-master/dat
2016-08-12 11:32:49 3882
原创 Caffe学习笔记1:初识caffe篇(caffe介绍)
小菜一开始学习caffe的时候,是去网上找了一些有关caffe的介绍的资料和一些博客,还看了caffe的创建者贾扬清对caffe的一个简单介绍,如果英语比较好的人,你们可以去贾扬清的主页上去看看caffe的介绍。下面介绍的内容也是小菜查找了许多博客选了一篇比较好的博客的内容。其他的可以看看后面的连接。这里就不一一介绍了!Caffe的全称是:Convolutional architecture
2016-08-12 11:20:06 9001
支持多标签的convert_imageset.cpp代码
2017-03-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人