我的caffe学习之路<第三天>

本文探讨了PyCaffe中自定义数据层的实现方式,并分享了作者在实践过程中的一些体会;此外,还介绍了Graph Convolutional Networks的概念及其可能的应用价值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这篇博客说了下pycaffe如何定义新层的,不过只有data层。感觉可以自己实现一下数据层。


写到一半发现自己用的不是fcn原来的代码,而是VOC-FCN,里面并没有用到python定义的那些新层,而是直接用caffe中的"Data"层且使用gen_lmdb.py生成的输入文件。


然后昨天老师给了篇文章——Graph Convolutional Networks – An introduction to neural networks on graphs


看了半天发现确实有可能解决我们现在遇到的问题,找了会儿这篇论文代码最后发现还没公布出来,需要发邮件订阅。。。


感觉今天做的事好少。。。


距离deadline还有:65天


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值