Caffe学习系列(16)：caffemodel可视化
通过前面的学习，我们已经能够正常训练各种数据了。设置好solver.prototxt后，我们可以把训练好的模型保存起来，如lenet_iter_10000.caffemodel。 训练多少次就自动保存一下，这个是通过snapshot进行设置的，保存文件的路径及文件名前缀 ...
原文：Caffe学习系列(16)：caffe的整体流程
在某社区看到的回答，觉得不错就转过来了：http: caffecn.cn question Caffe从四个层次来理解：Blob，Layer,Net,Solver。 Blob Caffe的基本数据结构，用四维矩阵Batch Channel Height Width表示，存储了包括神经元的 激活值 参数 以及相应的梯度 dW,db 。其中包含有cpu data gpu data cpu diff ...
2016-11-19 09:49 0 5528 推荐指数：
相关推荐
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 在Deep Learning中，往往loss function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 ...
Caffe学习系列（17）： blob
对于blob.h文件。 先看成员变量。定义了6个保护的成员变量，包括前、后向传播的数据，新、旧形状数据（？）， 数据个数及容量。 再看成员函数。包括构造函数（4个参数），reshape（改变bl ...
Caffe学习系列（四）之--训练自己的模型
前言： 本文章记录了我将自己的数据集处理并训练的流程，帮助一些刚入门的学习者，也记录自己的成长，万事起于忽微，量变引起质变。 正文： 一、流程 1)准备数据集 2)数据转换为lmdb格式 3)计算均值并保存（非必需） 4)创建 ...
Caffe学习系列(9)：运行caffe自带的两个简单例子
为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。 注意：在caffe中运行所有程序，都必须在根目录下进行，否则会出错 1、mnist实例 mnist ...
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： Stochastic Gradient Descent (type: "SGD"), AdaDelta (type: "AdaDelta"), Adaptive Gradient (type: "AdaGrad ...
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 ...
Caffe学习系列(12)：训练和测试自己的图片
学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。 一、准备数据 有条件的同学，可以去imagenet的官网http://www.image-net.org ...