随笔分类 - caffe源码阅读和实战
摘要：这里说一下关于如何进行Caffe的调试； 参考：https://blog.csdn.net/tsyccnh/article/details/51679121 简要说一下步骤： (1）首先对libcaffe和caffe进行编译（DEBUG x64）; (2) 设置相关调试参数： （3）设置断点，进行调
阅读全文
摘要：这里说一下euclidean_loss_layer.cpp关于该欧式loss层的解析，代码如下： 关于caffe_set , caffe_sub , caffe_cpu_axpby等等的解释可以参考：https://blog.csdn.net/seven_first/article/details/
阅读全文
摘要：转载链接：http://blog.csdn.net/cham_3/article/details/56049205
阅读全文
摘要：由于Python的灵活性，我们在caffe中添加自己定义的层时使用python层会更加方便，开发速速也会比C++更快，现在我就在这儿简单说一下如何在caffe中添加自定义的python层（使用的原网络结构时Lenet结构）： 首先在caffe->python文件夹中添加自己定义的层函数.py文件，比
阅读全文
摘要：转载链接：http://withwsf.github.io/2016/04/14/Caffe-with-Python-Layer/ Caffe通过Boost中的Boost.Python模块来支持使用Python定义Layer： 使用C++增加新的Layer繁琐、耗时而且很容易出错 开发速度与执行速度
阅读全文
摘要：参考赵永科的博客，这里我们实现一个新 Layer，名称为 AllPassLayer，顾名思义就是全通 Layer，“全通”借鉴于信号处理中的全通滤波器，将信号无失真地从输入转到输出。 虽然这个 Layer 并没有什么卵用，但是在这个基础上增加你的处理是非常简单的事情。另外也是出于实验考虑，全通层的
阅读全文
摘要：1.前向传播： 一般的我们有top[0]来存放数据，top[1]来存放标签（对于bottom也一样） 2.反向传播： 解释： 补充：最后部分，Zi!=Zj和Zi=Zj部分写反了，大家注意一下~
阅读全文
摘要：原文链接：https://www.zhihu.com/question/27982282 1.Caffe代码层次。回答里面有人说熟悉Blob，Layer，Net，Solver这样的几大类，我比较赞同。我基本是从这个顺序开始学习的，这四个类复杂性从低到高，贯穿了整个Caffe。把他们分为三个层次介绍。
阅读全文
摘要：参考链接：http://sebastianruder.com/optimizing-gradient-descent/ 如果熟悉英文的话，强烈推荐阅读原文，毕竟翻译过程中因为个人理解有限，可能会有谬误，还望读者能不吝指出。另外，由于原文太长，分了两部分翻译，本篇主要是梯度下降优化算法的总结，下篇将会
阅读全文