Caffe

  • 【caffe-windows】 caffe-master 之 cifar10 超详细

    本教程尽量详细,大多步骤都有图,如果运行出错,请先对照自己的文件是否和图上的一样,包括标点啊,空格啊,斜杠,反斜杠啊之类的小细节。 本例程是在 win10 64位   caffe-master    vs2013下进行的,并且已经配置GPU版本,若用CPU,则在cifar10_quick_solver.prototxt中更改 # solver mode: C…

    2023年4月8日
    00
  • 【caffe-windows】 caffe-master 之Matlab中model的分类应用

    此篇讲述在matlab中,如何将训练好的model用于图像分类。将以mnist为例,主要用到caffe-mastermatlabdemo 下的classification_demo.m ,可参考我之前的博客 【caffe-windows】 caffe-master 之 classfication_demo.m 超详细分析 (http://blog.csdn.…

    2023年4月8日
    00
  • caffe卷积层代码阅读笔记

    卷积的实现思想: 通过im2col将image转为一个matrix,将卷积操作转为矩阵乘法运算 通过调用GEMM完毕运算操作 以下两个图是我在知乎中发现的,“盗”用一下,确实非常好。能帮助理解。 參数剖析 配置參数:(从配置文件得来) kernel_h_ pad_h_ hole_h_ stride_h_ kernel_w_ pad_w_ hole_w_ st…

    2023年4月8日
    00
  • caffe学习(1):多平台下安装配置caffe 如何在 centos 7.3 上安装 caffe 深度学习工具

       有好多朋友在安装 caffe 时遇到不少问题。(看文章的朋友希望关心一下我的创业项目趣智思成) 今天测试并整理一下安装过程。我是在阿里云上测试,选择centos 7.3 镜像。 先安装 epel 源 1 yum install epel-release 安装基本编译环境 1 2 yum install protobuf-devel leveldb-de…

    Caffe 2023年4月8日
    00
  • caffe数据集LMDB的生成

    本文主要介绍如何在caffe框架下生成LMDB。其中包含了两个任务的LMDB生成方法,一种是分类,另外一种是检测。   第一步  生成train.txt和test.txt文件文件 对于一个监督学习而言,通常具有训练集(train_data文件夹)和测试集(test_data文件夹),如下图所示 而多分类问题,train_data文件夹的子目录下,有会各个类别…

    2023年4月8日
    00
  • 在caffe中添加新的layer

    比如现在要添加一个vision layer,名字叫Ly_Layer:(一般命名第一个字母大写,其余小写。) 1、属于哪个类型的layer(共五种:common_layer, data_layer, loss_layer, neuron_layer, vision_layer ),就打开哪个 hpp文件(caffe-master/include/caffe/)…

    Caffe 2023年4月8日
    00
  • Caffe学习 五 conv_layer与im2col

    1.BaseConvolutionLayer & ConvolutionLayer  成员变量 注释引用自caffe代码阅读10:Caffe中卷积的实现细节(涉及到BaseConvolutionLayer、ConvolutionLayer、im2col等)-2016.4.3。 /// @brief The spatial dimensions of …

    2023年4月8日
    00
  • Windows下利用MKL加速caffe,与openblas比较

    一、介绍:先简单Mark一下网上的介绍资料,弄清楚MKL是个啥,已经与openblas等的关系。 矩阵运算库blas, cblas, openblas, atlas, lapack, mkl之间有什么关系,在性能上区别大吗? 摘自:https://www.zhihu.com/question/27872849 比较OpenBLAS,Intel MKL和Eig…

    2023年4月8日
    00
  • caffe Solve函数

    下面来看Solver<Dtype>::Solve(const char* resume_file) solver.cpp template <typename Dtype> void Solver<Dtype>::Solve(const char* resume_file) { CHECK(Caffe::root_solv…

    Caffe 2023年4月8日
    00
  • caffe中的前向传播和反向传播

    caffe中的网络结构是一层连着一层的,在相邻的两层中,可以认为前一层的输出就是后一层的输入,可以等效成如下的模型 可以认为输出top中的每个元素都是输出bottom中所有元素的函数。如果两个神经元之间没有连接,可以认为相应的权重为0。其实上图的模型只适用于全连接层,其他的如卷积层、池化层,x与y之间很多是没有连接的,可以认为很多权重都是0,而池化层中有可能…

    2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部