摘要：
这一节尝试把你的数据转换成caffe2能够使用的形式。这个教程使用Iris的数据集。你可以点击[这里][1]查看Ipython Notebook教程。 DB数据格式 Caffe2使用二进制的DB格式来保存数据。Caffe2 DB其实是键 值存储方式的一个美名而已。在键 值（key value）存储方 阅读全文
摘要：
本教程创建一个小的神经网络用于手写字符的识别。我们使用MNIST数据集进行训练和测试。这个数据集的训练集包含60000张来自500个人的手写字符的图像，测试集包含10000张独立于训练集的测试图像。你可以参看本教程的 "Ipython notebook" 。 本节中，我们使用CNN的模型助手来创建网 阅读全文
摘要：
前言 这一节将讲述如何使用Caffe2的特征进行简单的线性回归学习。主要分为以下几步： 生成随机数据作为模型的输入 用这些数据创建网络 自动训练模型 查看梯度递减的结果和学习过程中网络参数的变化 ipython notebook教程请看 "这里" 译者注 ：如果图片看不清，可以保存到本地查看。 这是 阅读全文
摘要：
学习如何使得图像符合预训练模型的需求，或者用其他数据集的图像来测试自己的模型。 调整大小 缩放 HWC和CHW，数据通道交换 RGB和BGR，颜色通道的交换 Caffe2的图像预处理 Ipython Notebook的教程在 "这里获取" 在这一节中，我们将会展示如何从本地文件或网络链接载入一个图像 阅读全文
摘要：
这一节我们主要讲述如何使用预训练模型。Ipython notebook链接在 "这里" 。 模型下载 你可以去[Model Zoo][1]下载预训练好的模型，或者使用Caffe2的 模块获取预训练的模型。 需要模型的名字所谓参数。你可以去看看有什么模型可用，然后替换下面代码中的 。 译者注 ：如果不 阅读全文
摘要：
这篇文章主要介绍Caffe2的基本数据结构： Workspaces Operators Nets 在开始之前最好先阅读以下 " " 首先 ，导入 。其中 和`worksapce protocol buffers caffe2_pb2 caffe2_pb2`模块。 如果你看到一些警告： 不支持GPU。 阅读全文
摘要：
Caffe2的相关概念 接下来你可以学到更多Caffe2中主要的概念，这些概念对理解和开发Caffe2相当重要。 Blobs and Workspace，Tensors Caffe2中，数据是用blobs储存的。Blob只是内存中的一个数据块。大多数Blobs包含一个张量（tensor），可以理解为 阅读全文
摘要：
"Models and Datasets" 这一节没什么有用的信息为了保证教程完整性，这里仍然保留这一节。 这一节唯一提到的一点就是： Caffe2的模型文件后缀是：.pb2 结语： 转载请注明出处：http://www.jianshu.com/c/cf07b31bb5f2 阅读全文
摘要：
在开始之前，我们很感激你对Caffe2感兴趣，希望Caffe2在你的机器学习作品中是一个高性能的框架。Caffe2致力于模块化，促进深度学习想法和原型的实现。 选择你的学习路线 1. [使用一个现成的预训练模型（容易）][1] 2. [编写自己的神经网络（中等）][2] 3. [移动应用。做一个应用 阅读全文
摘要：
本系列教程包括9个小节，对应Caffe2官网的前9个教程，第10个教程讲的是在安卓下用SqueezeNet进行物体检测，此处不再翻译。另外由于栏主不关注RNN和LSTM，所以栏主不对剩下两个教程翻译。有志翻译的同学可向本专栏投稿。 1. [Caffe2 Tutorials Overview] [翻译 阅读全文