上一篇记录的是学习caffe前的环境准备以及如何创建好自己需要的caffe版本。这一篇记录的是如何使用编译好的caffe做训练mnist数据集，步骤编号延用上一篇 《实践详细篇-Windows下使用VS2015编译安装Caffe环境(CPU ONLY) 》的顺序。 二:使用caffe做图像分类 ...

利用卷积神经网络训练图像数据分为以下几个步骤 读取图片文件 产生用于训练的批次 定义训练的模型（包括初始化参数，卷积、池化层等参数、网络） 训练 1 读取图片文件 　　这里文件名作为标签，即类别（其数据类型要确定，后面要转为tensor类型数据 ...

一、前言 1、前广泛使用的图像分类数据集之一是 MNIST 数据集，虽然它是很不错的基准数据集，但按今天的标准，即使是简单的模型也能达到95%以上的分类准确率，因此不适合区分强模型和弱模型。 2、为了提高难度，我们将在接下来的章节中讨论在2017年发布的性质相似但相对复杂 ...

第5章图像分类的数据集 在我们实际进入到代码编写阶段来构建分类器之前，我们首先回顾下在本书中用到的数据集。一些数据集可理想的获得大于95%的准确率，另一些则还在开放研究阶段，还有一些是图像分类竞赛的部分数据集。 现在就对这些数据集进行回顾是很重要的，这样我们就可以在以后的章节中对我们在使用 ...

前言：最近参加百度点石大赛，完成商家招牌的分类和检测，把实验过程简单记录下来，具体步骤如下。 环境配置：windows下的visual studio2013和caffe（cpu版本）环境搭建请看我另一篇博客：http://www.cnblogs.com/wmr95/articles ...

　　神经网络训练的时候，我们需要将模型保存下来，方便后面继续训练或者用训练好的模型进行测试。因此，我们需要创建一个saver保存模型。 　　训练好的模型信息会记录在checkpoint文件中，大致如下： 　　其余还会生成一些文件，分别 ...

pytorch的图像分类实践 在学习pytorch的过程中我找到了关于图像分类的很浅显的一个教程上一次做的是pytorch的手写数字图片识别是灰度图片，这次是彩色图片的分类，觉得对于像我这样的刚刚开始入门pytorch的小白来说很有意义，今天写篇关于这个图像分类的博客. 收获的知识 ...

对于训练好的Caffe 网络 输入：彩色or灰度图片 做minist 下手写识别分类，不能直接使用，需去除均值图像，同时将输入图像像素归一化到0-1直接即可。 #include <caffe/caffe ...