在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍卷积层 参考 1. 卷积层总述 下面首先给出卷积层的结构设置的一个小例子（定义 ...

背景： 项目中需要在 caffe 中增加 binary convolution layer， 所以在单步调试了 minist 的训练，大致看了一下流程，就详细看 convolution layer 了。 1、数据结构 　　caffe 的基本数据结构是 Blob，也就是数据流的基本结构 ...

　　最近，在看caffe源码时，偶然在网上看到一个问题？觉得挺有意思，于是，仔细的查了相关资料，并将总结写在这里，供大家迷惑时，起到一点启示作用吧。 问题的题目是CNN中的一个卷积层输入64个通道的特征子图，输出256个通道的特征子图，那么，该层一共包含多少个卷积核？ 对于上面 ...

1、Convolution层： 就是卷积层，是卷积神经网络（CNN）的核心层。 层类型：Convolution 　　lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习 ...

Caffe（卷积神经网络框架）Caffe，全称Convolution Architecture For Feature Extraction caffe是一个清晰，可读性高，快速的深度学习框架。作者是贾扬清，加州大学伯克利的ph.D，现就职于FaceBook。caffe的官网 ...

今天一个同学问 卷积过程好像是对 一个通道的图像进行卷积， 比如10个卷积核，得到10个feature map， 那么输入图像为RGB三个通道呢，输出就为 30个feature map 吗， 答案肯定不是的， 输出的个数依然是 卷积核的个数。 可以查看常用模型，比如lenet 手写体，Alex ...

参考 http://caffe.berkeleyvision.org/tutorial/ 表达：models和optimizations使用纯文本文档形式定义，不是用代码定义； 速度：适用于工业和科研中的模型和大数据 模块性：新任务和设置可以灵活扩展 开源、社区 开始学习 ...

对于convolution: output = (input + 2 * p - k) / s + 1; 对于deconvolution: output = (input - 1) * s ...