本文为原创文章转载必须注明本文出处以及附上本文地址超链接 以及 博主博客地址:http://blog.csdn.net/qq_20259459 和 作者邮箱( [email protected] )。
(如有需要可以邮件联系我)
在前面两篇文章中介绍了安装和一些实验,现在对于它的内部做点说明,作为帮助理解。
下面是MatConvNet全部的函数列表和相关功能说明。
一共分为四个大的部分:
1. Building block(建立模块): 这些函数实现CNN计算块,通过这些计算块你可以手动或使用自带的包装器(下面有)来组合你需要的CNN。
函数名 -—函数用途 ——中文说明
vl_nnbnorm ——Batch normalization.——批的正则化
vl_nnbilinearsampler ——Bilinear Samppler.—— 双线性采样器
vl_nnconv ——Linear convolution by a filter.——卷积层
vl_nnconcat ——Concatenation.——权值连接
vl_nnconvt ——Convolution transpose.——卷积转置
vl_nncrop ——Cropping.——图片size裁剪
vl_nndropout ——Dropout.——Dropout层
vl_nnloss ——Classification log-loss.——分类日志丢失
vl_nnnoffset ——Norm-dependent offset. ——标准相关偏移
vl_nnnormalize ——Local Response Normalization (LRN).——局部正则化
vl_nnpdist ——Pairwise distances.——成对距离
vl_nnpool ——Max and sum pooling.——最大池化和和值池化
vl_nnrelu ——Rectified Linear Unit.——整流线性单元
vl_nnroipool ——Reegion of interest pooling.——池化区域
vl_nnsigmoid ——Sigmoid.——Sigmoid激活函数
vl_nnsoftmax ——Channel soft-max.——soft-max函数
vl_nnsoftmaxloss ——Deprecated——弃用
vl_nnspnorm ——Spatial normalization.——空间正则化
2. SimpleCNN wrapper(简易CNN包装器)。 SimpleNN是实现作为计算块的线性链的CNN的轻量包装器。
函数名 ——函数用途 ——中文说明
vl_simplenn ——A lightweight wrapper for CNNs with a linear topology.——一个针对CNN的具有线性拓扑的轻量级包装器
vl_simplenn_tidy ——Upgrade or otherwise fix a CNN. ——升级或修复CNN
vi_simplenn_display ——Print information about the CNN architecture. ——打印有关CNN体系结构的信息
vl_simplenn_move ——Move the CNN between CPU and GPU.——将CNN在CPU和GPU之间移动
3. DagNN wrapper (DagNN包装器) DagNN是一个面向对象的包装器,支持更复杂的网络拓扑。
函数名 ——函数用途 ——中文解释
DagNN ——An object-oriented wrapper for CNN with complex topologies ——面向复杂拓扑的CNN的面向对象包装器
4. Other functions(其他函数) 这些帮助函数用于初始化和编译MatConvNet。
函数名 ——函数用途 ——中文解释
vl_argparse ——A helper function to parse optional arguments. ——用于解析可选参数的帮助函数
vl_compilenn ——Compile the MEX fields in the toolbox. ——在工具箱中编译MEX字段
vl_rootnn ——Return the path to the MatConvNet toolbox installation. ——工具箱安装的路径
vl_setpunn ——Setup MatConvNet for use in MATLAB. ——设置MatConvNet可以在MATLAB中使用
vl_imreadjpeg ——Quickly load a batch of JPEG images. ——快速加载一批JPEG图像
vl_taccum ——Accumulate tensors operating in-place when possible. ——在可能的情况下,收集在现操作的张量
vl_tmove ——Exchange tensors between MATLAB processes and GPUs. ——MATLAB进程和GPU之间的换算张量
总结:
训练功能不是固定的,因为训练取决于数据集和问题。 我们可以通过examples子目录下的相关CNN,了解如何训练CNN的代码。
这样才能写出属于自己的CNN和训练自己的data。
后言:
接下来有可能会给大家进行介绍详细的代码(如果有时间的话)。
本文为原创文章转载必须注明本文出处以及附上本文地址超链接 以及 博主博客地址:http://blog.csdn.net/qq_20259459 和 作者邮箱( [email protected] )。
(如有需要可以邮件联系我)