Caffe源碼解析1：Blob
轉載請注明出處，樓燚(yì)航的blog，http://www.cnblogs.com/louyihang-loves-baiyan/ 首先看到的是Blob這個類，Blob是作為Caffe中數據流通的一個基本類，網絡各層之間的數據是通過Blob來傳遞的。這里整個代碼是非常規范的，基本上條件編譯 ...
原文：Caffe源碼解析2：SycedMem
轉載請注明出處，樓燚 y 航的blog，http: www.cnblogs.com louyihang loves baiyan 看到SyncedMem就知道，這是在做內存同步的操作。這類個類的代碼比較少，但是作用是非常明顯的。文件對應着syncedmem.hpp,着syncedmem.cpp 首先是兩個全局的內聯函數。如果機器是支持GPU的並且安裝了cuda，通過cudaMallocHost分配 ...
2016-01-22 10:58 2 8250 推薦指數：
相關推薦
Caffe源碼解析3：Layer
轉載請注明出處，樓燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/ layer這個類可以說是里面最終的一個基本類了，深度網絡呢就 ...
Caffe2源碼解析之core
寫在前面 在對Tensorflow的后端源碼進行了拆解（參見tensorflow源碼解析系列文章索引）之后，很想跟其它深度學習框架的實現進行對比，根據框架的流行程度，先選擇了Pytorch。Pytorch的后端核心是直接復用了Caffe2，因此本文針對Caffe2源碼的core模塊進行了簡單拆解 ...
Caffe源碼解析4： Data_layer
轉載請注明出處，樓燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/ data_layer應該是網絡的最底層，主要是將數據送給bl ...
Caffe源碼解析6：Neuron_Layer
\) 只依賴於相應的輸入 \(x\)。在Caffe里面所有的layer的實現都放在src文件夾下的la ...
Caffe源碼解析7：Pooling_Layer
轉載請注明出處，樓燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/ Pooling 層一般在網絡中是跟在Conv卷積層之后，做采樣操作，其實是為了進一步縮小feature map，同時也能增大神經元的視野。在Caffe中 ...
Caffe源碼解析5：Conv_Layer
轉載請注明出處，樓燚(yì)航的blog，http://home.cnblogs.com/louyihang-loves-baiyan/ Vision_layer里面主要是包括了一些關於一些視覺上的 ...
caffe中ConvolutionLayer的前向和反向傳播解析及源碼閱讀
一、前向傳播 在caffe中，卷積層做卷積的過程被轉化成了由卷積核的參數組成的權重矩陣weights(簡記為W)和feature map中的元素組成的輸入矩陣(簡記為Cin)的矩陣乘積W * Cin。在進行乘積之前，需要對卷積核的參數和feature map作處理，以得到W和Cin。 下面 ...