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 ...
原文：Caffe学习系列(15)：添加新层
如何在Caffe中增加一层新的Layer呢 主要分为四步： 在. src caffe proto caffe.proto 中增加对应layer的paramter message 在. include caffe layers.hpp中增加该layer的类的声明， 表示有common layers.hpp, data layers.hpp, neuron layers.hpp, vision lay ...
2016-11-19 21:43 0 7386 推荐指数：
相关推荐
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，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。 1、softmax-loss softmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算 ...
Caffe学习系列(15)：计算图片数据的均值
caffe中使用的均值数据格式是binaryproto, 作者为我们提供了一个计算均值的文件compute ...
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（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local ...
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 ...
Caffe 学习：Eltwise层
Eltwise层的操作有三个：product（点乘）， sum（相加减） 和 max（取大值），其中sum是默认操作。 假设输入（bottom）为A和B，如果要实现element_wise的A+B，即A和B的对应元素相加，prototxt文件 ...
Caffe 学习：Crop 层
在Fully Convolutional Networks（FCN）中，会用到Crop 层，他的主要作用是进行裁切。下面我们举一个例子来说明如何使用Crop 层。 Caffe中的数据是以 blobs形式存在的，blob是四维数据，即 （Batch size, number ...
caffe添加python数据层
caffe添加python数据层（ImageData） 在caffe中添加自定义层时，必须要实现这四个函数，在C++中是（LayerSetUp，Reshape，Forward_cpu，Backward_cpu），在python 中是（setup，reshape ...