诗酒年华

LeNet MNIST实例 MNIST手写数字数据库是另外一个更大的手写体数据库NIST的子集，现在已成为图像识别领域用来测试自己的算法的一个基准数据库，它的训练集由60000张手写数字图片样本组成，测试集包含了10000个样本，其中所有的图片样本都经过了尺寸标准化和中心化，图片的大小固定为28*28。 据说该数据集中的图片是由美国中学生手写的数字，所以非常贴近实际，如果你的模型在该测试集上的测

CIFAR-10实例 caffe中的CIFAR-10实例重现了Alex Krizhevsky的cuda-convnet中的结果，具体的模型定义、参数、训练步骤等都是按照cuda-convnet中的进行设置的。不过，该实例仍是半成品，目前官网上介绍的只是quick train，对于进一步解释网络细节和训练选择的full training还未完工。 cuda-convnet是Alex Krizhev

caffe是一个深度学习的开源框架，是贾扬清在伯克利大学读博时开发的，现在由伯克利大学的视觉学习中心BVLC（the Berkeley Vision and Learning Center）负责维护。 ————————————————————— 在介绍caffe前，先简单介绍下贾扬清。http://daggerfs.com/ 贾扬清目前在google从事计算机视觉方面的工作，在UC Be

个人认为，相对于MNIST和CIFAR-10来说，ImageNet实例或许是caffe中最具有学习价值的实例。通过该实例的学习，你可以用caffe在自己的数据集上搭建自己的模型。当然，如果你没有那么多的时间和精力去重新训练一个ImageNet网络，只是想要一个训练好的现成的模型，那么你也可以去官网上的model zoo部分找到你所要的。caffe 中打包好了几个训练好的BVLC模型，你可以‘开箱即用

在caffe ImageNet例子中有对图片进行resize的部分，文中使用的是linux shell脚本命令：for name in /path/to/imagenet/val/*.JPEG; do convert -resize 256x256\! $name $namedone但该命令在运行后光标就一直处于等待状态，直到所有的图片全部运行结束。这种情况在图片数量比较大时就很恼人（对于

编译 make matcaffe -j8测试 make mattest -j8要在matlab中使用caffe时需要先添加路径 addpath ./matlab （这里的“.”表示当前目录，即caffe的根目录。如果在其他目录中调用matcaffe需要修改该路径。） 在matlab中使用help caffe 可测试路径是否添加成功。

python使用Anaconda环境.Anaconda安装下载wget https://3230d63b5fc54e62148e-c95ac804525aac4b6dba79b00b39d1d3.ssl.cf1.rackcdn.com/Anaconda2-2.5.0-Linux-x86_64.sh安装 bash Anaconda2-2.5.0-Linux-x86_64.sh 默认安装就行了