07 2016 档案
摘要：如果用公式 y=f(wx+b) 来表示整个运算过程的话，那么w和b就是我们需要训练的东西，w称为权值，在cnn中也可以叫做卷积核（filter），b是偏置项。f是激活函数，有sigmoid、relu等。x就是输入的数据。 数据训练完成后，保存的caffemodel里面，实际上就是各层的w和b值。 我
阅读全文
摘要：使用python接口来运行caffe程序，主要的原因是python非常容易可视化。所以不推荐大家在命令行下面运行python程序。如果非要在命令行下面运行，还不如直接用 c++算了。 推荐使用jupyter notebook，spyder等工具来运行python代码，这样才和它的可视化完美结合起来。
阅读全文
摘要：经过前面两篇博文的学习，我们已经训练好了一个caffemodel模型，并生成了一个deploy.prototxt文件，现在我们就利用这两个文件来对一个新的图片进行分类预测。 我们从mnist数据集的test集中随便找一张图片，用来进行实验。 最后输出 the class is : 5 分类正确。 如
阅读全文
摘要：如果要把训练好的模型拿来测试新的图片，那必须得要一个deploy.prototxt文件，这个文件实际上和test.prototxt文件差不多，只是头尾不相同而也。deploy文件没有第一层数据输入层，也没有最后的Accuracy层，但最后多了一个Softmax概率层。 这里我们采用代码的方式来自动生
阅读全文
摘要：深度学习的第一个实例一般都是mnist，只要这个例子完全弄懂了，其它的就是举一反三的事了。由于篇幅原因，本文不具体介绍配置文件里面每个参数的具体函义，如果想弄明白的，请参看我以前的博文： 数据层及参数 视觉层及参数 solver配置文件及参数 一、数据准备 官网提供的mnist数据并不是图片，但我们
阅读全文
摘要：如果不进行可视化，只想得到一个最终的训练model, 那么代码非常简单，如下 :
阅读全文
摘要：caffe在训练的时候，需要一些参数设置，我们一般将这些参数设置在一个叫solver.prototxt的文件里面，如下： 有一些参数需要计算的，也不是乱设置。 假设我们有50000个训练样本，batch_size为64，即每批次处理64个样本，那么需要迭代50000/64=782次才处理完一次全部的
阅读全文
摘要：caffe是C++语言写的，可能很多人不太熟悉，因此想用更简单的脚本语言来实现。caffe提供matlab接口和python接口，这两种语言就非常简单，而且非常容易进行可视化，使得学习更加快速，理解更加深入。 半年前，我在学习CAFFE的时候，为了加深理解，因此写下了随笔，有了一系列的caffe学习
阅读全文
