.cpp是cpu上运行的代码，.cu是gpu上运行的代码。 这是smooth L loss layer.cu的前向传播部分 blob的主要变量： blob只是一个基本的数据结构，因此内部的变量相对较少，首先是data 指针，指针类型是shared ptr，属于boost库的一个智能指针，这一部分主要用来申请内存存储data，data主要是正向传播的时候用的。同理，diff 主要用来存储偏差，sha ...
2017-06-27 18:54 0 3061 推荐指数：
总结对比下\(L_1\) 损失函数，\(L_2\) 损失函数以及\(\text{Smooth} L_1\) 损失函数的优缺点。 均方误差MSE (\(L_2\) Loss) 均方误差（Mean Square Error,MSE）是模型预测值\(f(x)\) 与真实样本值\(y\) 之间差值平方 ...
关于triplet loss的原理。目标函数和梯度推导在上一篇博客中已经讲过了。详细见：triplet loss原理以及梯度推导。这篇博文主要是讲caffe下实现triplet loss。编程菜鸟。假设有写的不优化的地方，欢迎指出。 1.怎样在caffe中添加新的layer ...
转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/ layer这个类可以说是里面最终的一个基本类了，深度网络呢就是一层一层的layer，相互之间通过blob传输数据连接起来。首先layer必须要实现一个 ...
深度学习之损失函数小结 在深度学习中，损失函数扮演着很重要的角色。通过最小化损失函数，使得模型达到收敛状态，减少模型预测值的误差。因此，不同的损失函数，对模型的影响是重大的。下面总结一下常用的损失函数： 图像分类：交叉熵 目标检测：Focal loss、L1/L2损失 ...
转自https://blog.csdn.net/shuzfan/article/details/51460895。 Loss Function softmax_loss的计算包含2步： （1）计算softmax归一化概率 （2）计算损失 这里以batchsize=1的2分类为例 ...
转自：http://blog.csdn.net/shuzfan/article/details/51460895 Loss Function softmax_loss的计算包含2步： （1）计算softmax归一化概率 （2）计算损失 这里以batchsize=1的2分类为例 ...
ssd是经典的one-stage目标检测算法，作者是基于caffe来实现的，这需要加入新的层来完成功能，caffe自定义层可以使用python和c++，faster rcnn既使用了c++定义如smoothl1layer，又使用了python定义，如proposaltargetlayer ...
转载请注明出处，楼燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/ Vision_layer里面主要是包括了一些关于一些视觉上的操作，比如卷积、反卷积、池化等等。这里的类跟data layer一样好很多种继承关系。主要包括 ...
