caffe之小知识点

caffe：深度学习框架，纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换：

Caffe::set_mode(Caffe::GPU);

1、caffe中数据层有很多种，一般有一下几种：
（1）高效的数据库（LevelDB或者LMDB）
（2）内存
（3）硬盘文件，HDF5格式或者图片格式的文件。此种方式效率较差，目前一般是先将原生数据转换为（1）中的数据库格式，然后再来处理，但是lmdb取代了leveldb，成为Caffe默认的数据集生成格式
blog.csdn.net/u012177034/article/details/52134205（总结的很好）

2、lib.csdn.net/article/deeplearning/43258
其中目标函数优化类型：NESTEROV
Nesterov提出的加速梯度下降（Nesterov’s accelerated gradient）是Nesterov提出的凸优化的最佳方法

3、caffe数据层以及参数设置：

绝大部分数据层在设置时，都可以先对数据进行一定的预处理，包括归一化scale，去中心化（减去平均值），水平镜像flip，随机裁剪crop等四种预处理方式。

（1）#substract mean value（RGB three channel）: these mean_values can equivalently be replaced with a mean.binaryproto file as
#mean_file: name_of_mean_file.binaryproto
mean_value:104
mean_value:117
mean_value:123

不过之前的meanfile都是三维立体的，有图像的二维，此刻居然都变成了值原因：Caffe中有两种设置均值文件的方式，mean_file or mean_value,mean_file类似于用caffe做图像分类时需要提供的lmdb文件，是关于每个像素点的均值，也就是对所有图片关于像素点均值，mean_value只有三个值，分别代表三个通道的均值。

（2）resize_mode:WARP与crop的区别：都是将图片弄到需要的大小，但是我估计WARP是拉伸收缩。

4、BLOB (binary large object)，二进制大对象，是一个可以存储二进制文件的容器。

ce="r�}�3�a