Chunying27的博客

This tutorial shows how to compute wino_f23:define transform matrix G_F23 = np.array([ [ 1.0, 0.0, 0.0 ], [ 0.5, 0.5, 0.5 ], [ 0.5, -0.5, 0.5 ], [ 0.0, 0.0, 1.0 ]]) Bt_F23 ...

看 understanding LSTM: http://colah.github.io/posts/2015-08-Understanding-LSTMs/LSTM通过gate控制信息的舍弃和更新看论文《Effective LSTMs for Target-Dependent Sentiment Classification》TD-LSTM 用关键词前和关键词后的语句，分布作为left_LSTM

0. 安装ubuntu16.04系统F2进入BIOS, 设置U盘启动（原来已装了ubuntu的要取消快速启动) 按照提示安装ubuntu16.04想，选择英文版本，中午版本的路径一看就晕安装完会发现分辨率不对，而且改不了，然而安装完显卡驱动就好啦，所以先不管1.安装显卡驱动上nividia官网下载相应版本 下载 后右击，修改属性为可执行文件 sudo service lightdm

1. OpenCV3opencv3 与cuda8不兼容，不启动支持cuda 真的是历经千辛啊安装依赖库sudo apt-get install cmake git pkg-config libgtk2.0-dev libavcodec-dev libavformat-dev libswscale-dev sudo apt-get install python-dev python-openC

如何写 caffe的prototxtconv: name ok buttom: data/prev_conv top: selfrelu: name: ok bottom: prev_conv top:prev_convpool: name: ok button: prev_conv

1. 下载https://www.continuum.io/downloads 选择对应版本，linux,python2.7 485M 建议用迅雷下载2. 运行安装命令bash Anaconda2-4.4.0-Linux-x86_64.sh 一路回车（Enter), ctrl+C 跳过licence的说明，直接 yes, 确定安装默认位置 （/home/lcy/anaconda2)

import syssys.path.insert(0,'/home/lcy/caffe-master/python')import osos.environ['GLOG_minloglevel'] = '2'import caffenet = caffe.Net(prototxt,caffemodel,caffe.TEST)for k,v in net.blobs.items():

conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'conda config --set show_channel_urls yesconda install caffe-gpu

几天无聊，看darknet的源码 1. 学习率 训练的时候看到输出信息没有learning rate, 进代码看看，发现 network.c 里面的get_current_rate(net) 就是获取学习率的，打印出来的rate就是lr啦另外，训练densenet的时候，先burning_in=1000batch， 学习率由0 逐渐升为 初始的学习率另外，net.seen 是多张张图，训练每个b

今天看了cs231的迁移学习 http://cs231n.github.io/transfer-learning/直接拿fc前的特征，再用svm 或者逻辑回归分类，或者直接计算特征距离fine-tune, 继承某个网络的某些层，对那些层的 权重，可以前几层的权重固定，也可以全部 用向后传播继续训练，微调权重 （比如imagenet 里面有很多不同品种的狗，可能前几层识别的是更通用的（几何形状，

im2col + gemm

Tengine GEMM汇编教程原文链接：https://mp.weixin.qq.com/s/Ks9-SvaNuRSmEVW3hOV_jg转载请注明原文链接！！！GEMM简介什么是GEMM? 它的英文全称是 GEneral Matrix to Matrix Multiplication (通用矩阵的矩阵乘法). GEMM在神经网络的计算中占据很重要的位置。这篇文章Why gemm is ...

前面的博文安装caffe安装了 显卡驱动，cuda,cudnn,现在安装tensorflow就很简单了安装tensorflowexport TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-1.0.0rc1-cp35-cp35m-linux_x86_64.whlsudo pip3 inst

今天研究了一下卷积计算。 卷积涉及到的两个输入为： 图像和filter图像: 维度为 C*H*W C是channel, 也叫做 depth, H和W就是图像的宽和高了。filter, 维度为 K*K, 假设 filter的个数为 M个 直接进行卷积的伪代码为for w in 1..W (img_width) for h in 1..H (img_height) for x in

http://yaroslavvb.com/upload/notMNIST/notMNIST_small.tar.gzhttp://yaroslavvb.com/upload/notMNIST/notMNIST_large.tar.gz

参考：ubuntu caffe(cpu only)说明： Ubuntu的版本为14.04 /16.04 ，64bit 安装的caffe仅用cpu,不依赖GPU(不用安装显卡驱动，不用安装cuda)1.安装dependenciessudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhd

官网：(http://www.deeplearning.net/software/theano/install_windows.html#install-windows)下载 https://github.com/Theano/Theano/archive/master.zip 解压，打开，里面有 setup.pypython setup.py develop尝试打开pythonimport th

本文主要参考http://blog.youkuaiyun.com/fengbingchun/article/details/50087005  这篇博文，进行了一些整理2006年 Hinton提出深度学习的概念 （1）、多层人工神经网络模型有很强的特征学习能力，深度学习模型学习得到的特征数据对原数据有更本质的代表性，这将大大便于分类和可视化问题； （2）、对于深度神经网络很难训练达到最优的问题，可以

最近在看人脸识别的论文，查了几个比较重要的定义，用于评估二分类问题的预测结果 相关 不相关预测到的 ： A(tp) B(fp) 误报你没预测到的 ： C(fn)漏报 D(tn)准确率：（对的对，错的错的比例）(A+D)/(A+B+C+D) 精确率 （查准：查到的是准的）precision(P) = A

load Netcaffe.set_mode_cpu()model_def = 'deploy.prototxt'model_weights ='bvlc.caffemodel'net = caffe.Net(model_def, # defines the structure of the model model_weights, # contain

首先在当前创建文件夹log : mkdir log 在bash文件 train.sh 添加：LOG=log/train-`date +%Y-%m-%d-%H-%M-%S`.logTOOLS=/opt/caffe-py3/build/tools$TOOLS/caffe train -solver='LCNN_solver.prototxt' --gpu=0 2>&1 | tee $LOG训练玩

图像准备 CASIA-WebFace，有10575个人的493456张照片。 输入图片为144*144的黑白图片，随机裁剪成128*128的大小。144x144: 眼镜到嘴巴48pixel, 眼睛距离顶部48pixeltest: 128x128, 眼镜到嘴巴48pixel, 眼睛距离顶部40pixel训练参数 参考：blog1,blog2对学习率的设置 : 初始学习率设置为0.01

添加caffe路径import syscaffe_root = '/home/lcy/caffe-master/' sys.path.insert(0, caffe_root + 'python')import caffe设置CPU|GPUCPU:caffe.set_mode_cpu()GPU:caffe.set_mode_gpu()加载模型modelmodel_def = 'deploy.p

图像转为imdb格式 用的是caffe/build/tools/里面的 convert_imageset，参数如下：convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAMEFLAG: -backend :lmdb/leveldb for storing the result, default: “lmdb” -gray (Wh

1 . blob 看blob.hppBlob(const int num, const int channels, const int height, const int width); 2 . conv layer参数 blobs_lr: 1 # learning rate multiplier for the filters blobs_lr: 2 #

我在微软下载人脸识别数据库 MS-Celeb-1M, 下载完的格式是 .tsv格式。看了数据库官网的文件格式说明：File format: text files, each line is an image record containing 7 columns, delimited by TAB.Column1: Freebase MIDColumn2: ImageSearchRankColumn

ubuntu自带的python 有python2.7 和python 3.4, 我个人喜欢用python3sudo apt-get install python3-pip python3-devsudo pip3 install  https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0-cp34-c