Caffe學習系列(16)：caffemodel可視化
通過前面的學習，我們已經能夠正常訓練各種數據了。設置好solver.prototxt后，我們可以把訓練好的模型保存起來，如lenet_iter_10000.caffemodel。 訓練多少次就自動保存一下，這個是通過snapshot進行設置的，保存文件的路徑及文件名前綴 ...
原文：Caffe學習系列(16)：caffe的整體流程
在某社區看到的回答，覺得不錯就轉過來了：http: caffecn.cn question Caffe從四個層次來理解：Blob，Layer,Net,Solver。 Blob Caffe的基本數據結構，用四維矩陣Batch Channel Height Width表示，存儲了包括神經元的 激活值 參數 以及相應的梯度 dW,db 。其中包含有cpu data gpu data cpu diff ...
2016-11-19 09:49 0 5528 推薦指數：
相關推薦
Caffe學習系列(7)：solver及其配置
solver算是caffe的核心的核心，它協調着整個模型的運作。caffe程序運行必帶的一個參數就是solver配置文件。運行代碼一般為 在Deep Learning中，往往loss function是非凸的，沒有解析解，我們需要通過優化方法來求解。solver的主要作用就是交替 ...
Caffe學習系列（17）： blob
對於blob.h文件。 先看成員變量。定義了6個保護的成員變量，包括前、后向傳播的數據，新、舊形狀數據（？）， 數據個數及容量。 再看成員函數。包括構造函數（4個參數），reshape（改變bl ...
Caffe學習系列（四）之--訓練自己的模型
前言： 本文章記錄了我將自己的數據集處理並訓練的流程，幫助一些剛入門的學習者，也記錄自己的成長，萬事起於忽微，量變引起質變。 正文： 一、流程 1)准備數據集 2)數據轉換為lmdb格式 3)計算均值並保存（非必需） 4)創建 ...
Caffe學習系列(9)：運行caffe自帶的兩個簡單例子
為了程序的簡潔，在caffe中是不帶練習數據的，因此需要自己去下載。但在caffe根目錄下的data文件夾里，作者已經為我們編寫好了下載數據的腳本文件，我們只需要聯網，運行這些腳本文件就行了。 注意：在caffe中運行所有程序，都必須在根目錄下進行，否則會出錯 1、mnist實例 mnist ...
Caffe學習系列(8)：solver優化方法
上文提到，到目前為止，caffe總共提供了六種優化方法： Stochastic Gradient Descent (type: "SGD"), AdaDelta (type: "AdaDelta"), Adaptive Gradient (type: "AdaGrad ...
Caffe學習系列(2)：數據層及參數
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 ...
Caffe學習系列(12)：訓練和測試自己的圖片
學習caffe的目的，不是簡單的做幾個練習，最終還是要用到自己的實際項目或科研中。因此，本文介紹一下，從自己的原始圖片到lmdb數據，再到訓練和測試模型的整個流程。 一、准備數據 有條件的同學，可以去imagenet的官網http://www.image-net.org ...