随笔分类 - Caffe
摘要：caffe的运行提供三种接口：C++接口（命令行）、Python接口和matlab接口。本文先对命令行进行解析，后续会依次介绍其它两种接口。 caffe的C++主程序（caffe.cpp）放在根目录下的tools文件夹内，当然还有一些其它的功能文件，如：convert_imageset.cpp，tr
阅读全文
摘要：solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为 #caffe train --solver=*_solver.prototxt 在Deep Learning中，往往loss function是非凸的，没有解析解
阅读全文
摘要：深度网络（net）是一个组合模型，它由许多相互连接的层（layers）组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描
阅读全文
摘要：本文讲解一些其它的常用层，包括：softmax-loss层，Inner Product层，accuracy层，reshape层和dropout层及它们的参数配置。 1、softmax-loss softmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算的是类别的概
阅读全文
摘要：在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。 输入：n*c*h*w 输出：n*c*h*w 常用的激活函数有sigmoi
阅读全文
摘要：本文只讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。 1、Convolution层： 就是卷积层，是卷积神经网络（CNN）的核心层。 层类型：Convol
阅读全文
摘要：要运行caffe，需要先创建一个模型（model），如比较常用的Lenet,Alex等，而一个模型由多个层（layer）构成，每一层又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。 层有很多种类型，比如D
阅读全文
摘要：之前已经配置过一次caffe环境了： Caffe初试（一）win7_64bit+VS2013+Opencv2.4.10+CUDA6.5配置Caffe环境 但其中也提到，编译时，用到了cuda6.5，但是实际训练时，使用GPU训练，又会出现问题。所以强迫症使然，我决定另外配置一个cpu_only的版本
阅读全文
摘要：由于我涉及一个车牌识别系统的项目，计划使用深度学习库caffe对车牌字符进行识别。刚开始接触caffe，打算先将示例中的每个网络模型都拿出来用用，当然这样暴力的使用是不会有好结果的- -||| ，所以这里只是记录一下示例的网络模型使用的步骤，最终测试的准确率就暂且不论了！ 一、图片数据库 来源 我使
阅读全文
摘要：1、报错：“db_lmdb.hpp:14] Check failed:mdb_status ==0(112 vs.0)磁盘空间不足。” 这问题是由于lmdb在windows下无法使用lmdb的库，所以要改成leveldb。 但是要注意：由于backend默认的是lmdb，所以你每一次用到生成的图片l
阅读全文
摘要：一、mnist数据集 mnist是一个手写数字数据库，由Google实验室的Corinna Cortes和纽约大学柯朗研究院的Yann LeCun等人建立，它有60000个训练样本集和10000个测试样本集。mnist数据库官方网址为：http://yann.lecun.com/exdb/mnist
阅读全文
摘要：折腾了几天，终于在windows系统上成功配置了Caffe环境，期间遇到了很多问题，每个问题的解决也都花了不少时间，查过挺多资料，感觉挺有意义，这里写篇博客记录一下。 原来我使用的CUDA版本是7.5，参照win7环境下CUDA7.5的安装、配置与测试（VS2010） 辛辛苦苦编译生成了caffe.
阅读全文
