码迷,mamicode.com
首页 >  
搜索关键字:caffe 深度学习    ( 4625个结果
caffe 训练测试自己的数据集
简单记录一下自己使用caffe的过程和遇到的一些问题。 下载caffe以及安装不详细叙述了, 可参照 http://caffe.berkeleyvision.org/installation.html。 下面准备数据集和训练的过程参照imagenet的过程:可参考  http://drubiano.github.io/2014/06/18/caffe-custom-data.html ...
分类:其他好文   时间:2015-06-10 12:19:34    阅读次数:486
Caffe 中添加自己的网络层
写在前面:Caffe 中有众多的网络层,最新版本的代码已经涵盖了很多种类型的网络层,然而,有时候由于各种原因,其给定的网络层不能满足我们的要求,这时候就要对其更改,以使其满足自己的需求,感谢作者开源代码以及众多的代码维护者。由于Caffe 中的网络层都是直接或者间接地给予Layer 基类,所以,在我们需要添加新的类型时,就需要选择好自己的基类,以使我们能够更好的利用基类已有的一些方法。我们新建的类可...
分类:其他好文   时间:2015-06-09 23:46:15    阅读次数:1007
Caffe —— Deep learning in Practice
因工作交接需要, 要将caffe使用方法及整体结构描述清楚。 鉴于也有同学问过我相关内容, 决定在本文中写个简单的tutorial, 方便大家参考。 本文简单的讲几个事情: Caffe能做什么? 为什么选择caffe? 环境 整体结构 Protocol buffer 训练基本流程 Python中训练 Debug...
分类:其他好文   时间:2015-06-09 23:43:35    阅读次数:301
UFLDL教程笔记及练习答案二(预处理:主成分分析和白化)
首先将本节主要内容记录下来,然后给出课后习题的答案。 笔记: 1:首先我想推导用SVD求解PCA的合理性。        PCA原理:假设样本数据X∈Rm×n,其中m是样本数量,n是样本的维数。PCA降维的目的就是为了使将数据样本由原来的n维降低到k维(k<n)。方法是找数据随之变化的主轴,在Andrew Ng的网易公开课上我们知道主方向就是X的协方差所对应的最大特征值所对应的特征向量的...
分类:其他好文   时间:2015-06-09 11:56:02    阅读次数:200
Caffe-代码解析-Layer
Layer 功能:是所有的网络层的基类,其中,定义了一些通用的接口,比如前馈,反馈,reshape,setup等。...
分类:其他好文   时间:2015-06-08 21:41:11    阅读次数:345
windows+caffe+vs2013+cuda6.5配置记录
隔了大半年,因为论文的需要,又重新开始研究caffe。感谢niuzhiheng’s GitHub大神的贡献,caffe已经可以在Windows下使用了。参考了很多大神的博客,成功的在自己的笔记本配置好了Windows版本的caffe。现将自己的配置过程和配置中遇到的问题记录下来,希望能对大家有所帮助...
分类:Windows程序   时间:2015-06-08 18:52:20    阅读次数:6017
caffe微调已生成的模型,测试(Linux)
感谢博主lynnandwei,写的博客。还是由于受其启发,所以才想到了怎么微调模型,哎,菜比伤不起。还是在cifar10模型下面。想微调已经生成的模型。在caffe-master文件夹下面输入命令./build/tools/caffe.bin train -model=examples/cifar1...
分类:系统相关   时间:2015-06-08 17:12:00    阅读次数:1545
Centos 6.5 install caffe+Nvidia driver+cuda 6.5
### Centos 6.5安装caffe全纪录 前不久,在一台新机器上安装了[caffe](http://caffe.berkeleyvision.org/),用于深度学习。其实本人小白一个,在安装caffe的过程中走了很多弯路。在遇到问题时,还好有**google**,...
分类:其他好文   时间:2015-06-08 15:21:06    阅读次数:983
UFLDL教程练习答案一(稀疏自编码器和矢量化编程实现)
最近想研究下深度学习,一开始就看UFLDL(unsuprisedfeature learning and deep learning)教程了,特将课后习题答案放在这里,作为一个笔记。 笔记: 1:自编码算法是一个无监督学习算法,它通过学习hw,b(x) = x, 因此最后的outputlayer单元数与inputlayer单元数量相等,而中间的hiddenlayer可以很大,这是加个稀疏惩罚...
分类:其他好文   时间:2015-06-07 21:39:08    阅读次数:521
总结第八届R语言大会百度分会场
早早爬起来赶到北大光华听百度分会场的报告,把听到的简要记述一下。李鹏 自然语言理解中的深度学习首先梳理自然语言理解这个问题,提出基本问题是: Tagging:例如命名实体识别 Generation:翻译,问答->多轮对话 然后是具体的例子: Tagging问题的例子:语义角色标注 解决Who do what at where…等等句子逻辑成分划分的问题 分词...
分类:编程语言   时间:2015-06-07 14:37:30    阅读次数:464
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!