Concat層雖然利用到了上下文的語義信息，但僅僅是將其拼接起來，之所以能起到效果，在於它在不增加算法復雜度的情形下增加了channel數目。那有沒有直接關聯上下文的語義信息呢？答案是Eltwise層，被廣泛使用，屢試不爽，並且我們常常拿它和Concat比較，所以我常常一起說這兩個層。我們普遍認為 ...

　　 　　在Fully Convolutional Networks（FCN）中，會用到Crop 層，他的主要作用是進行裁切。下面我們舉一個例子來說明如何使用Crop 層。 　　Caffe中的數據是以 blobs形式存在的，blob是四維數據，即 （Batch size, number ...

要運行caffe，需要先創建一個模型（model)，如比較常用的Lenet,Alex等， 而一個模型由多個屋（layer）構成，每一屋又由許多參數組成。所有的參數都定義在caffe.proto這個文件中。要熟練使用caffe，最重要的就是學會配置文件（prototxt）的編寫。 層有很多種 ...

如何在Caffe中增加一層新的Layer呢？主要分為四步： （1）在./src/caffe/proto/caffe.proto 中增加對應layer的paramter message； （2）在./include/caffe/***layers.hpp中增加該layer的類的聲明，***表示 ...

本文講解一些其它的常用層，包括：softmax_loss層，Inner Product層，accuracy層，reshape層和dropout層及其它們的參數配置。 1、softmax-loss softmax-loss層和softmax層計算大致是相同的。softmax是一個分類器，計算 ...

在激活層中，對輸入數據進行激活操作（實際上就是一種函數變換），是逐元素進行運算的。從bottom得到一個blob數據輸入，運算后，從top輸入一個blob數據。在運算過程中，沒有改變數據的大小，即輸入和輸出的數據大小是相等的。 輸入：n*c*h*w 輸出：n*c*h*w 常用的激活函數 ...

所有的層都具有的參數，如name, type, bottom, top和transform_param請參看我的前一篇文章：Caffe學習系列(2)：數據層及參數 本文只講解視覺層（Vision Layers)的參數，視覺層包括Convolution, Pooling, Local ...

在caffe中，網絡的結構由prototxt文件中給出，由一些列的Layer（層）組成，常用的層如：數據加載層、卷積操作層、pooling層、非線性變換層、內積運算層、歸一化層、損失計算層等；本篇主要介紹卷積層 參考 1. 卷積層總述 下面首先給出卷積層的結構設置的一個小例子（定義 ...