![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Caffe
xufengchi
机器学习 深度学习
展开
-
Caffe代码阅读集锦
http://dirtysalt.github.io/caffe.html转载 2016-10-23 12:17:12 · 289 阅读 · 0 评论 -
Caffe--xavier初始化方法
xavier是从[-scale, +scale]中进行均匀采样,对卷积层或全连接层中参数进行初始化的方法。 其中scale = \sqrt(3 / n), n根据不同实现可设置为n=(num_in + num_out) / 2 (Understanding the difficulty of training deep feedforward neural networks ),或n=num_ou原创 2016-10-28 22:39:25 · 1757 阅读 · 0 评论 -
Caffe 整理
1.完成Caffe 的安装和一些依赖包的解析。 a)环境:ubuntu b)依赖包单独安装失败,使用apt-get成功2.通过运行Mnist例子,了解caffe 调用过程,了解LeNet-5模型。 首先在运行之前,需要简单配置,由于我们采用在CPU上运行,所以修改如下: (1)更改makefile.config中将DEBUG:=1那一行取消注释 (2)lenet_sover.prototx原创 2016-10-29 09:16:27 · 351 阅读 · 0 评论 -
Caffe-SCIR
一、改进预测函数,使其具有对称性(已经修改成功) 原来的预测函数是: 其不满足对称性,下面将其改进为具有对称性的预测函数 二元组和三元组模型的损失函数与原来类似实际修改,train阶段修改SCIR_pairwise_net.prototxt 增加与concat22层功能相同层,输入将f(xi),f(xj)反过来,即将pool2-2,pool2-1作为concat22b(新增加的层)的原创 2016-11-15 21:03:02 · 395 阅读 · 0 评论 -
caffe_SCIR--预测函数改为对称性
改进预测函数,使其具有对称性原来的预测函数是: 其不满足对称性,下面将其改进为具有对称性的预测函数: 二元组和三元组模型的损失函数与原来类似: 方案一:二元组修改doublet_loss bottom: “flat_fc1” #f(xi) bottom: “flat_fc2” #f(xj) bottom: “fc3b” #Wg(xi,xj) bottom原创 2016-12-19 19:40:07 · 401 阅读 · 0 评论 -
将自己的图像数据转换成caffe需要的db(leveldb/lmdb)文件
将自己的图像数据转换成caffe需要的db(leveldb/lmdb)文件http://blog.csdn.net/u010193446/article/details/53406754转载 2017-04-07 21:23:29 · 500 阅读 · 0 评论 -
caffe添加自己的层
http://blog.csdn.net/zb1165048017/article/details/59112034转载 2017-04-10 23:08:50 · 335 阅读 · 0 评论