Deep Learning初学材料

Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe实现的图像分类模型AlexNet，并演示了CIFAR-10在caffe上进行训练与学习。

1. caff 原作者：

https://github.com/BVLC/caffe

2. http://caffe.berkeleyvision.org/

Caffe是一个清晰而高效的深度学习框架，其作者是博士毕业于UC Berkeley的 贾扬清，目前在Google工作。

Caffe是纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换：

Caffe::set_mode(Caffe::GPU);

Caffe的优势

1. 上手快：模型与相应优化都是以文本形式而非代码形式给出。 
   Caffe给出了模型的定义、最优化设置以及预训练的权重，方便立即上手。
2. 速度快：能够运行最棒的模型与海量的数据。 
   Caffe与cuDNN结合使用，测试AlexNet模型，在K40上处理每张图片只需要1.17ms.
3. 模块化：方便扩展到新的任务和设置上。 
   可以使用Caffe提供的各层类型来定义自己的模型。
4. 开放性：公开的代码和参考模型用于再现。
5. 社区好：可以通过BSD-2参与开发与讨论。

3.caffe 安装和使用问题列表

4. 

caffe c++ 抽取图片特征

http://blog.youkuaiyun.com/guoyilin/article/category/2931141

5.Caffe 深度学习框架上手教程

http://www.youkuaiyun.com/article/2015-01-23/2823663

6. Caffe For Windows完整版，已带完整的第三方库，可直接跑Demo

http://download.youkuaiyun.com/detail/yangkequn/8108035#comment

7. Deep Learning 工具 Torch7安装与使用

Torch7 教程 Supervised Learning CNN

torch7 使用过程中的问题

三维人脸重建和表情仿真

http://blog.youkuaiyun.com/guoyilin/article/category/2187399