Caffe
-
windows+caffe(六)——convert.bat
convert.bat的格式为 convert_imageset.exe的位置+空格+FLAGS+空格+图片所在的位置+空格+你生成的list的位置+空格+将要生成的db格式要保存的位置 建议都使用绝对位置！！！ 例子： D:/deeptools/caffe-windows-master/bin/convert_imageset.exe –shuffle …
-
Ubuntu14.04+cuda6.5+opencv2.4.9+MATLAB2013a+caffe配置记录（二）——安装Cuda6.5
注意：本文仅适用于使用NVIDIA独立显卡的电脑，对于双显卡笔记本，我还没弄好。如果有好的安装经验，请告诉我，谢谢！为方便大家，以后命令行指令均会加下划线以示区分。 1.验证系统 安装前，首先要验证一下系统是否符合cuda6.5的安装条件 1.验证显卡是否支持cuda，终端输入命令：lspci | grep –i nvidia 终端会显示显卡型号，在http…
-
Ubuntu14.04+cuda6.5+opencv2.4.9+MATLAB2013a+caffe配置记录（一）——安装Ubuntu14.04双系统
最近需要跑R-CNN代码，花了好久才配置好环境。趁自己还记得，写一下配置的过程以及可能会出现的问题和解决办法。主要分为以下五个部分： 一、安装Ubuntu14.04双系统 二、安装cuda6.5 三、安装opencv2.4.9 四、安装MATLAB2013a 五、安装caffe 下面讲第一部分，硬盘安装Ubuntu14.04双系统。 由于我的笔记本用U盘安装…
-
Ubuntu14.04+cuda6.5+opencv2.4.9+MATLAB2013a+caffe配置记录（三）——安装Opencv2.4.9
本文提供两种安装方式： 1.使用官网安装包手动安装； 2.使用github上的安装脚本自动安装 1.使用官网安装包手动安装 1.下载opencv2.4.9 下载地址：http://opencv.org/ 目前最新版Opencv3.0 alpha版已经出来了，大家也可以试一下。 2.安装必要的依赖库 sudo apt-get install build-ess…
-
Ubuntu14.04+cuda6.5+opencv2.4.9+MATLAB2013a+caffe配置记录（四）——安装MATLAB2013a
1.安装MATLAB 假定你已经提前下载好了MATLAB2013a的安装包，大概5G多。 1.切换到安装文件所在目录：cd /home/fische 2.新建挂载文件夹：mkdir matlab 3.将镜像文件挂载到matlab文件夹：sudo mount –o loop MATLAB2013a.iso matlab 4.切换到matlab目录：cd mat…
-
Caffe学习–Blob分析
1.基本数据结构 Blob为模板类，可以理解为四维数组，n * c * h * w的结构,Layer内为blob输入data和diff，Layer间的blob为学习的参数.内部封装了SyncedMemory类,该类负责存储分配和主机与设备的同步 protected: shared_ptr<SyncedMemory> data_; // data指…
-
Caffe CommonLayer分析
Caffe CommonLayer分析 \(Caffe\)中包含了很多通用的功能层，包含了\(concat\),\(slice\),\(split\),\(crop\),\(flip\),\(scale\_layer\)等,这些层在网络中经常被使用，本文也将对其中的常见layer进行说明与源码分析。 \(Layer\) \(CropLayer\) CropL…
-
Caffe Loss分析
Caffe_Loss 损失函数为深度学习中重要的一个组成部分，各种优化算法均是基于Loss来的，损失函数的设计好坏很大程度下能够影响最终网络学习的好坏。派生于 \(LossLayer\),根据不同的Loss层有不同的参数; 1.基本函数 主要包含构造函数，前向、后向以及Reshape，部分有SetUp的函数，每层都有Loss参数 explicit XXXLo…
-
Windows上快速编译caffe CPU版本
windows上快速安装配置Caffe的 cpu_only环境。 一：安装环境： 1、windows10； 2、Visual Studio2013； 3、Caffe版本：http://github.com/Microsoft/caffe 二：caffe安装配置 将caffe-master/windows/CommonSettings.pr…
-
Caffe 激励层(Activation)分析
Caffe_Activation 一般来说，激励层的输入输出尺寸一致，为非线性函数，完成非线性映射，从而能够拟合更为复杂的函数表达式激励层都派生于NeuronLayer: class XXXlayer : public NeuronLayer 1.基本函数 激励层的基本函数较为简单，主要包含构造函数和前向、后向函数 explicit XXXLayer(con…
