zymofffice的博客

Mnist数据集下载、转换为lmdb，训练、测试、生成mean文件、生成label.txt、单张图片分类测试、可视化网络、可视化loss和accurate【1、下载数据】 sudo ./data/mnist/get_mnist.sh 【2、转lmdb格式】 sudo ./examples/mnist/create_mnist.sh【3、训练】 sudo ./examples/mni

起源于比特币的区块链技术，其实就是去中心化（中介），信息共享，隐蔽，更安全，节省成本。

1、按照下面链接安装到Tensorflow处停止： http://118.89.51.133/?p=41 （其中：cuda的下载有两个文件，官网的不太对，可以去其他地方搜索，有一个是补丁文件） 2、按照此网站安装opencv，caffe： http://m.blog.csdn.net/autocyz/article/details/52299889 3、按照下面网站测试c

1、下载数据 http://blog.csdn.net/maweifei/article/details/728113162、修改classify文件，并编译 http://blog.csdn.net/jiongnima/article/details/701994803、可能会遇到以下错误，用sudo就可以 Check failed: error == cudaSuccess (30

1、首先根据官网的网址去安装markernet： https://pjreddie.com/darknet/yolo/2、根据下面博客内容去下载weights： http://blog.csdn.net/Quincuntial/article/details/766150033、下面博客给出检测人的数据及模型等 http://blog.csdn.net/samy

1、新建一个工程test1，并新建tets1.h文件，写入#include "stdio.h"void a();void b();2、新建a.c,b.c文件，并写入#include "test1.h"void a(){printf("a is running");}#include "test1.h"void b(){printf("b is running");}3、编译成动态

Mnist数据集下载、转换为lmdb，训练、测试、生成mean文件、生成label.txt、单张图片分类测试、可视化网络、可视化loss和accurate【1、下载数据】 sudo ./data/mnist/get_mnist.sh 【2、转lmdb格式】 sudo ./examples/mnist/create_mnist.sh【3、训练】 sudo ./examples/mnist/train_

caffe移植到mxnet http://blog.csdn.net/hjimce/article/details/70229090

配置SSD进行目标检测

python学习过程：1、【廖雪峰的python官方网站】https://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/其中：learning.py使用方法：将learning.py内容复制在一个txt文档中，重新命名为：learning.py，然后在learning.py目录下运行 pytho

深度学习嵌入式移植： 1、移植原因：算法必须在优化后的硬件上运行，因为学习成千上万的数据可能需要长达几周的时间。移动端其实不需要做tranning，只需要进行propagating，所以问题集中在移动端能不能存放并运行更大的network。 2、常见的移动端开发设备： NVIDIAJetsonTx1(Tx2)caffe移植https://github.com/jetsonhacks/i