【caffe学习】

Caffe学习系列(8)：solver优化方法

上文提到，到目前为止，caffe总共提供了六种优化方法：StochasticGradientDescent(type:"SGD"),AdaDelta(type:"AdaDelta"),AdaptiveGradient(type:"AdaGrad"),Adam(type:"Adam"),Nesterov’sAcceleratedGradient(type:"Nesterov")andRMSprop(
qq_26898461·2016-01-01 17:00

Caffe学习系列(7)：solver及其配置

solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为#caffetrain--solver=*_slover.prototxt在DeepLearning中，往往lossfunction是非凸的，没有解析解，我们需要通过优化方法来求解。solver的主要作用就是交替调用前向（forward)算法和后向（backwar
qq_26898461·2016-01-01 17:00

Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写

深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描述了信息是如何存储的，以及如何在层之间通讯的。1、blobBlobs封装了运行时的数据信息，提供了C
qq_26898461·2016-01-01 17:00

Caffe学习系列(5)：其它常用层及参数

本文讲解一些其它的常用层，包括：softmax_loss层，InnerProduct层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算的是类别的概率（Likelihood），是LogisticRegression的一种推广。LogisticRegre
qq_26898461·2016-01-01 17:00

Caffe学习系列(4)：激活层（Activiation Layers)及参数

在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w常用的激活函数有sigmoid,tanh,relu等，下面分别介绍。1、Sigmoid对每个输入数据，利用sigmoid函数执行操作。
qq_26898461·2016-01-01 17:00

Caffe学习系列(3)：视觉层（Vision Layers)及参数

所有的层都具有的参数，如name,type,bottom,top和transform_param请参看我的前一篇文章：Caffe学习系列(2)：数据层及参数本文只讲解视觉层（VisionLayers)的参数
qq_26898461·2016-01-01 17:00

Caffe学习系列(2)：数据层及参数

要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等，而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Data,Convolution,Pooling等，层之间的数据流动是以Blobs的方式进行。今天我们就
qq_26898461·2016-01-01 17:00

Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+caffe+cudnn

一、版本linux系统：Ubuntu14.04（64位）显卡：NvidiaK20ccuda:cuda_7.5.18_linux.runcudnn:cudnn-7.0-linux-x64-v4.0-rc二、下载Ubuntu14.04下载地址：http://www.ubuntu.com/download/desktop（64bit)cuda7.5下载地址：https://developer.nvidi
qq_26898461·2016-01-01 17:00

Caffe学习——使用自己的数据（非图像）训练网络

Caffe学习——使用自己的数据（非图像）训练网络1.鸢尾花卉数据集鸢尾花卉数据集包含150个样本，4个特征（花萼长度，花萼宽度，花瓣长度和花瓣宽度），3个类别（山鸢尾，变色鸢尾和维吉尼亚鸢尾）[1]。
shadow_guo·2015-12-22 22:00

Caffe学习——Imagenet分类

Caffe学习——Imagenet分类1.Caffe安装参考AltenLi的Caffe安装[1]。2.Imagenet分类代码来自Caffe的NotebookExamples[2]。
shadow_guo·2015-12-19 21:00

Caffe学习：使用pycaffe读取mean.binaryproto文件参数

#!/usr/bin/envpython #引入“咖啡” importcaffe importnumpyasnp #使输出的参数完全显示 #若没有这一句，因为参数太多，中间会以省略号“……”的形式代替 np.set_printoptions(threshold='nan') #均值文件 MEAN_FILE='mean.binaryproto' #保存参数的文件 means_txt='mean
u011762313·2015-11-15 20:00

Caffe学习：使用pycaffe读取caffemodel参数

#!/usr/bin/envpython #引入“咖啡” importcaffe importnumpyasnp #使输出的参数完全显示 #若没有这一句，因为参数太多，中间会以省略号“……”的形式代替 np.set_printoptions(threshold='nan') #deploy文件 MODEL_FILE='caffe_deploy.prototxt' #预先训练好的caffe模
u011762313·2015-11-15 20:00

caffe学习

阅读目录 Caffe的优势 Caffe的网络定义 数据及其导数以blobs的形式在层间流动。 Caffe的各层定义 训练网络 安装了CUDA之后，依次按照Caffe官网安装指南安装BLAS、OpenCV、Boost即可。 Caffe跑跑MNIST试试 让Caffe生成的数据集能在Theano上直接运行 Caffe (CNN, deep learning) 介
·2015-11-11 17:37

Caffe学习笔记

Caffe Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by the Berkeley Vision and Learning Center (BVLC) and by community contributors.Yangqing
·2015-11-11 01:30

Caffe学习笔记

Caffe学习笔记 Caffe Caffe is a deep learning framework made with expression, speed, and modularity in mind
·2015-11-11 00:27

Caffe学习记录：Cifar-10 自定义网络训练记录

本部分的实验主要记录调整网络的过程，并记录实验结果。——Jeremy模型1层类别具体信息conv1output:32,kernel:5,stride:1pad:2pool1pool:MAX,kernel:3,stride:2relu1Sigmoidnorm1LRNip1200ip210实验结果：Iteration60000,loss=0.801631Iteration60000,Testingne
Linoi·2015-10-26 20:00

Caffe学习：pycaffe利用caffemodel进行分类=>批处理

在Caffe学习：pycaffe利用caffemodel进行分类（2）中，我们手动将图片裁剪并导入pycaffe中，以提高识别率这里，我们采用批处理，以加快识别速度导入相关库importcaffe配置#
u011762313·2015-09-30 11:00

caffe学习笔记-数据库制作是命令格式（windows版）

在caffe-windows版中，将图片数据转换成lmdb或leveldb数据库格式的函数已经写好，如果编译成功，则这两个工具也成功生成了，下面简单介绍一下，在命令行里调用这两个工具的方法（本人小白一个，大神勿喷！）1.制作mnist数据库首先、cd到convert_mnist_data.exe文件下，然后，输入命令convert_mnist_data（注意此处没有.exe,我记得在windows
Sunshine_in_Moon·2015-09-23 10:00

Caffe学习：pycaffe利用caffemodel进行分类（2）

不同于pycaffe利用caffemodel进行分类，这里利用pycaffe包装好的classifier.py来进行分类，详见：/caffe/python/caffe/classifier.py导入相关库importcaffe配置#caffemodel文件 MODEL_FILE='model/_iter_10000.caffemodel' #deploy文件，参考/caffe/models/bvl
u011762313·2015-09-10 16:00

Caffe学习：pycaffe利用caffemodel进行分类=>裁剪图片

在caffe中，如果定义了crop_size，那么在train时会对大于crop_size的图片进行随机裁剪，而在test时只是截取中间部分（详见/caffe/src/caffe/data_transformer.cpp）：//Weonlydorandomcropwhenwedotraining. if(phase_==TRAIN){ h_off=Rand(datum_height-crop_si
u011762313·2015-09-10 15:00

Caffe学习：pycaffe利用caffemodel进行分类

在使用pycaffe定义网络、使用pycaffe进行网络训练与测试之后得到caffemodel文件，下面利用caffemodel进行分类：导入相关库importcaffe配置#caffemodel文件 MODEL_FILE='model/_iter_10000.caffemodel' #deploy文件，参考/caffe/models/bvlc_alexnet/deploy.prototxt DE
u011762313·2015-09-10 14:00

Caffe学习：使用pycaffe绘制网络结构

详见：/caffe/python/draw_net.py导入相关库importcaffe importcaffe.draw fromcaffe.protoimportcaffe_pb2 fromgoogle.protobufimporttext_format参数配置#网络结构文件 input_net_proto_file='caffe_net.prototxt' #输出图片文件 output_i
u011762313·2015-09-10 13:00

Caffe学习笔记3-Layer的相关学习

LayerLayer是所有层的基类，在Layer的基础上衍生出来的有5种Layers：data_layerneuron_layerloss_layercommon_layervision_layer它们都有对应的[.hpp.cpp]文件声明和实现了各个类的接口。下面一个一个地讲这5个Layer。data_layer先看data_layer.hpp中头文件调用情况：1 2 3 4 5 6 7 8 9
t0903·2015-09-07 15:00

Caffe学习笔记2-Caffe的三级结构(Blobs,Layers,Nets)

根据Caffe官方文档介绍，caffe大致可以分为三层结构blob，layer，net。数据的保存，交换以及操作都是以blob的形式进行的，layer是模型和计算的基础，net整和并连接layer。BlobsBlob是Caffe的基本数据结构，具有CPU和GPU之间同步的能力,它是4维的数组(Num,Channels,Height,Width)。设Blob数据维度为numberNxchannelK
t0903·2015-09-07 15:00

Caffe学习：使用pycaffe绘制loss、accuracy曲线

直接使用pycaffe进行网络训练与测试无法得到loss、accuracy的直观信息，用下面代码可以实现loss、accuracy曲线绘制：#!/usr/bin/envpython #导入绘图库 frompylabimport* importmatplotlib.pyplotasplt #导入"咖啡" importcaffe #设置为gpu模式 caffe.set_device(0) caff
u011762313·2015-09-04 23:00

Caffe学习：使用pycaffe生成mean_file.py文件

利用build/tools/compute_image_mean产生mean.binaryproto文件后，利用如下代码产生mean.npy文件，给pycaffe调用：#!/usr/bin/envpython MEAN_BIN='mean.binaryproto' MEAN_NPY='mean.npy' fromcaffe.protoimportcaffe_pb2 fromcaffe.ioim
u011762313·2015-09-04 23:00

Caffe学习：build/tools/compute_image_mean

caffe/build/tools/compute_image_mean用于计算训练图片均值，在利用模型进行分类时需要用到编写命令，实现图片格式转化：#!bin/sh #工具目录 TOOLS_ROOT=caffe/build/tools #train_db是db文件夹目录，mean.binaryproto是生成的均值文件名 $TOOLS_ROOT/compute_image_meantrain_d
u011762313·2015-09-04 22:00

Caffe学习：使用pycaffe进行网络训练与测试

使用pycaffe进行网络训练与测试：使用数据：密码：s9ol编写solver文件：train_net:"mnist/lenet_auto_train.prototxt" test_net:"mnist/lenet_auto_test.prototxt" test_iter:100#每一次测试时进行100次forwardpass test_interval:500 base_lr:0.01 mom
u011762313·2015-09-04 21:00

Caffe学习：使用pycaffe定义网络

使用pycaffe定义网络：参考链接：LearningLeNet引入库：importcaffe fromcaffeimportlayersasL fromcaffeimportparamsasP使用pycaffe定义Net：n=caffe.NetSpec()定义DataLayer：n.data,n.label=L.Data(batch_size=batch_size,backend=P.Data
u011762313·2015-09-04 21:00

[置顶] Caffe学习笔记

目录：安装与配置Tutorial学习PyCaffe学习buildtools学习其他安装与配置Ubuntu14.04安装Caffe（仅CPU）Ubuntu14.04安装CudaUbuntu14.04安装Caffe
u011762313·2015-09-04 20:00

Caffe学习：pycaffe接口配置

1、pycaffe介绍：参考链接：InterfacesCaffe提供了python的接口（pycaffe），详见caffe/python文件夹。在python代码中importcaffe，可以loadmodels（导入模型），forwardandbackward（前向、反向迭代），handleIO（数据输入输出），visualizenetworks（net可视化），instrumentmodels
u011762313·2015-09-04 20:00

Caffe学习笔记6-Caffe结构简析（知乎同步）

Caffe学习笔记6-Caffe结构简析（知乎同步）ByYuFeiGan2015-02-12更新日期:2015-02-12来自本人的知乎回答，全文同步我是从Torch7转移到Caffe的人，仅供参考，当你阅读前你应该具备一些有关
luo_bosir·2015-08-13 18:14

Caffe学习笔记6-Caffe结构简析（知乎同步）

Caffe学习笔记6-Caffe结构简析（知乎同步）ByYuFeiGan2015-02-12更新日期:2015-02-12来自本人的知乎回答，全文同步我是从Torch7转移到Caffe的人，仅供参考，当你阅读前你应该具备一些有关
baobei0112·2015-08-13 18:00

Caffe学习笔记5-BLAS与boost::thread加速

Caffe学习笔记5-BLAS与boost::thread加速ByYuFeiGan2015-01-02更新日期:2015-01-02文章目錄1.BLAS是什么？
baobei0112·2015-08-13 18:00

caffe学习笔记4-caffe安装需要注意的libraries

affe学习笔记4-caffe安装需要注意的librariesByYuFeiGan2014-12-14更新日期:2014-12-14文章目錄1.GoogleCode1.1.glog1.2.gflags1.3.gtest2.关于CPU加速2.1.安装ATLAS2.2.安装OpenBLAS当调用caffe训练数据的时候实际上调用的文件是在caffe.cpp中实现的train()和test()两个函数。
baobei0112·2015-08-13 16:00

Caffe学习笔记3-Layer的相关学习

Caffe学习笔记3-Layer的相关学习ByYuFeiGan2014-12-09更新日期:2014-12-10文章目錄1.Layer1.1.data_layer1.1.1.DATA1.1.2.MEMORY_DATA1.1.3
baobei0112·2015-08-13 16:00

Caffe学习笔记2-Caffe的三级结构(Blobs,Layers,Nets)

Caffe学习笔记2-Caffe的三级结构(Blobs,Layers,Nets)ByYuFeiGan2014-12-09更新日期:2014-12-10根据Caffe官方文档介绍，caffe大致可以分为三层结构
baobei0112·2015-08-13 15:00

Caffe学习：Solver

目录：原文SolverMethodsSGDAdaGradNAGScaffoldingUpdatingParametersSnapshottingandResuming原文SolverSolver通过协调Net的前向loss计算和反向梯度计算（forwardinferenceandbackwardgradients），对参数进行更新，以减小loss。Caffe模型的学习被分为两个部分：由Solver
u011762313·2015-08-10 22:00

Caffe学习：Data

Data:InsandOutsCaffe中使用Blob存储、传递、处理数据。Datalayers读写任意格式的数据都是以Blob作为媒介的。对于输入数据的一些基本预操作，如mean-subtraction（减去均值）、feature-scaling（特征归一化）都是在datalayer中进行的。允许自定义新的datalayer以提供新的输入形式（inputtypes）。下面这个datalayer的
u011762313·2015-08-10 15:00

Caffe学习：Layers

目录：VisionLayersConvolutionPoolingLocalResponseNormalizationLRNim2colLossLayersSoftmaxSum-of-SquaresEuclideanHingeMarginSigmoidCross-EntropyInfogainAccuracyandTop-kActivationNeuronLayersReLURectified-L
u011762313·2015-08-09 22:00

Caffe学习：Loss

原文Loss（损失）与绝大多数的机器学习引擎一样，Caffe是由一个lossfunction（损失函数）驱动的。lossfunction也称为errorfunction，costfunction或者objectivefunction。lossfunction利用模型中的参数（比如模型中网络的weights-权重参数）运算得出一个（标量）结果，这个结果表明参数设置的badness，通过最小化loss
u011762313·2015-08-08 13:00

Caffe学习：Forward and Backward

原文forwardandbackwardpasses（前向迭代和反向迭代）是Net最基本的成分。下面以简单的logisticregressionclassifier（逻辑回归分类器）为例。ForwardPass（前向迭代）利用给定的输入，根据模型设定的函数，计算出输出。Thispassgoesfrombottomtotop（数据流向从bottom到top）。数据x通过一个innerproductl
u011762313·2015-08-07 21:00

Caffe学习：Blobs, Layers, and Nets

目录：原文BlobstorageandcommunicationImplementationDetailsLayercomputationandconnectionsNetdefinitionandoperation模型定义原文深度神经网络（Deepnetworks）是由许多相互关联的Layer组成的。Caffe定义了一个layer-by-layer的network。底层是data，顶层是loss
u011762313·2015-08-07 18:00

caffe学习网页推荐

1. http://blog.csdn.net/linger2012liu/article/category/2146595/22.http://blog.csdn.net/kkk584520/article/category/26206333.http://blog.csdn.net/tangwei2014/article/category/3165487
lien0906·2015-07-10 11:00

caffe学习笔记（三）ImageNet实例

个人认为，相对于MNIST和CIFAR-10来说，ImageNet实例或许是caffe中最具有学习价值的实例。通过该实例的学习，你可以用caffe在自己的数据集上搭建自己的模型。当然，如果你没有那么多的时间和精力去重新训练一个ImageNet网络，只是想要一个训练好的现成的模型，那么你也可以去官网上的modelzoo部分找到你所要的。caffe中打包好了几个训练好的BVLC模型，你可以‘开箱即用’
yingyujianmo·2015-04-16 17:00

caffe学习笔记（二）--MNIST实例

LeNetMNIST实例MNIST手写数字数据库是另外一个更大的手写体数据库NIST的子集，现在已成为图像识别领域用来测试自己的算法的一个基准数据库，它的训练集由60000张手写数字图片样本组成，测试集包含了10000个样本，其中所有的图片样本都经过了尺寸标准化和中心化，图片的大小固定为28*28。据说该数据集中的图片是由美国中学生手写的数字，所以非常贴近实际，如果你的模型在该测试集上的测试精度能
yingyujianmo·2015-04-10 20:00

caffe学习笔记--跑个SampleCode

Caffe默认情况会安装在CAFFERROOT，就是解压到那个目录，例如：home/username/caffe-master，所以下面的工作，默认已经切换到了该工作目录。下面的工作主要是，用于测试Caffe是否工作正常，不做详细评估。具体设置请参考官网：http://caffe.berkeleyvision.org/gathered/examples/mnist.html1.数据预处理可以用下载
wishchin·2015-03-31 16:00

Caffe学习之自建数据

平台：Ubuntu14.04LTS     在编译成功后的./build/tools/目录下有一个convert_imageset或者convert_imageset.bin，这个工具就是用来将自己的图片数据转换为Caffe所需要的数据格式。但是关于这个工具如何使用，它的源程序中也语焉不详。好吧，我摸索了一天，网上查了各种资料，都无果而终，因为大家都说的是同一个不知道哪位先驱者给出的例子，但是在我
thesby·2015-02-05 20:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他