<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[d5224的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/d5224</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; d5224]]></copyright><item><title><![CDATA[LaTeX技巧653：如何隔开LaTeX表格邻近\cline表格线？]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/83720899</link><guid>https://blog.youkuaiyun.com/d5224/article/details/83720899</guid><author>d5224</author><pubDate>Sun, 04 Nov 2018 21:48:13 +0800</pubDate><description><![CDATA[原文链接：http://www.latexstudio.net/archives/700.html

LaTeX制作表格，若是需要做局部画线的表格，会用到如下的命令\cline，示例如下：

                               

代码如下：


\begin{tabular}{lrrrrrrr}
 \hline
 \multicolumn{2}{c}{level1} \...]]></description><category></category></item><item><title><![CDATA[Caffe经典网络代码资料总结]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/77100268</link><guid>https://blog.youkuaiyun.com/d5224/article/details/77100268</guid><author>d5224</author><pubDate>Fri, 11 Aug 2017 16:59:51 +0800</pubDate><description><![CDATA[原文链接：http://blog.youkuaiyun.com/Quincuntial/article/details/72832136



自2012年Alexnet赢得了ImageNet竞赛以来，深度学习（神经网络）得到了飞速发展，产生了许多的神经网络结构，本文主要总结Caffe中使用的神经网络(分类的神经网络)，本文的神经网络作者都使用Caffe训练过，并在Kaggle的Intel癌症预测比赛]]></description><category></category></item><item><title><![CDATA[matlab 选择文件夹、选择文件GUI和逐一读取文件夹中的文件]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/77074035</link><guid>https://blog.youkuaiyun.com/d5224/article/details/77074035</guid><author>d5224</author><pubDate>Thu, 10 Aug 2017 22:20:52 +0800</pubDate><description><![CDATA[matlab 选择文件夹、选择文件GUI和逐一读取文件夹中的文件



1. 选择文件夹路径：
filepath = uigetdir('*.*','请选择文件夹');%fliepath为文件夹路径


2. 选择文件
[filename filepath]=uigetfile('*.*','请选择文件');%filename为文件名，filepath为文件路径
image =]]></description><category></category></item><item><title><![CDATA[Caffe 学习：Eltwise层]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/72731176</link><guid>https://blog.youkuaiyun.com/d5224/article/details/72731176</guid><author>d5224</author><pubDate>Thu, 25 May 2017 16:57:26 +0800</pubDate><description><![CDATA[Caffe 学习：Eltwise层
　　Eltwise层的操作有三个：product（点乘）， sum（相加减） 和 max（取大值），其中sum是默认操作。 

      1. PROD：按元素乘积 
      2. SUM：按元素求和（默认） 
      3. MAX：保存元素大者
      该层还定义了 coeff 参数，该参数只对SUM操作起作用。
最后，caffe还]]></description><category></category></item><item><title><![CDATA[深度学习中常用的调节参数]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/72730714</link><guid>https://blog.youkuaiyun.com/d5224/article/details/72730714</guid><author>d5224</author><pubDate>Thu, 25 May 2017 16:23:04 +0800</pubDate><description><![CDATA[一、深度学习中常用的调节参数

原文链接：http://www.cnblogs.com/maohai/p/6453417.html


1、学习率
步长的选择：你走的距离长短，越短当然不会错过，但是耗时间。步长的选择比较麻烦。步长越小，越容易得到局部最优化（到了比较大的山谷，就出不去了），而大了会全局最优
一般来说，前1000步，很大，0.1；到了后面，迭代次数增高，下降0.01，再]]></description><category></category></item><item><title><![CDATA[解读Batch Normalization]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/72730636</link><guid>https://blog.youkuaiyun.com/d5224/article/details/72730636</guid><author>d5224</author><pubDate>Thu, 25 May 2017 16:17:55 +0800</pubDate><description><![CDATA[目录

1-Motivation2-Normalization via Mini-Batch Statistics

测试BN before or after Activation
3-Experiments




本次所讲的内容为Batch Normalization，简称BN，来源于《Batch Normalization: Accelerating Deep Netwo]]></description><category></category></item><item><title><![CDATA[谷歌大脑科学家 Caffe缔造者 贾扬清 微信讲座完整版]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/69662810</link><guid>https://blog.youkuaiyun.com/d5224/article/details/69662810</guid><author>d5224</author><pubDate>Fri, 07 Apr 2017 22:26:59 +0800</pubDate><description><![CDATA[谷歌大脑科学家 Caffe缔造者 贾扬清 微信讲座完整版   .



 大家好！我是贾扬清，目前在Google Brain，今天有幸受雷鸣师兄邀请来和大家聊聊Caffe。

没有太多准备，所以讲的不好的地方还请大家谅解。

我用的ppt基本上和我们在CVPR上要做的tutorial是类似的，所以大家如果需要更多的内容的话，可以去tutorial.caffe.berkele]]></description><category></category></item><item><title><![CDATA[机器学习(Machine Learning)&深度学习(Deep Learning)资料集合]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/69569400</link><guid>https://blog.youkuaiyun.com/d5224/article/details/69569400</guid><author>d5224</author><pubDate>Fri, 07 Apr 2017 17:10:18 +0800</pubDate><description><![CDATA[机器学习(Machine Learning)&深度学习(Deep Learning)资料

原文链接：https://github.com/ty4z2008/Qix/blob/master/dl.md#%E6%B3%A8%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E8%B5%84%E6%96%99%E7%AF%87%E7%9B%AE%E4%B8%80%E5%85%]]></description><category></category></item><item><title><![CDATA[matlab imresize() 函数使用说明]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/69461289</link><guid>https://blog.youkuaiyun.com/d5224/article/details/69461289</guid><author>d5224</author><pubDate>Thu, 06 Apr 2017 20:23:36 +0800</pubDate><description><![CDATA[imresize 函数使用说明


imresize 函数主要功能：改变图像大小 。
用法：B = imresize(A,m)
      B = imresize(A,m,method)
      B = imresize(A,[mrows ncols],method)

      B = imresize(...,method,n)
      B = imres]]></description><category></category></item><item><title><![CDATA[caffe prototxt文件 参数配置介绍]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/69308167</link><guid>https://blog.youkuaiyun.com/d5224/article/details/69308167</guid><author>d5224</author><pubDate>Wed, 05 Apr 2017 19:28:48 +0800</pubDate><description><![CDATA[caffe 参数配置介绍

solver.prototxt 参数配置介绍
net: "models/bvlc_alexnet/train_val.prototxt" 
test_iter: 1000       # 
test_interval: 1000   # 
base_lr: 0.01         # 开始的学习率
lr_policy: "step"     # 学习率的drop]]></description><category></category></item><item><title><![CDATA[在线网页绘制可视化 Caffe 网络结构]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/69056228</link><guid>https://blog.youkuaiyun.com/d5224/article/details/69056228</guid><author>d5224</author><pubDate>Tue, 04 Apr 2017 12:00:10 +0800</pubDate><description><![CDATA[可以利用python接口实现Caffe 网络结构的可视化，便于直观理解。
但是在线网页绘制caffe网络结构图的方法，其实更简洁方便： 网址：http://ethereon.github.io/netscope/#/editor


使用方法：
1.将prototxt格式描述网络文件文件的内容复制到左侧栏中：



2. 按  shift+enter 组合键即可在右侧显示]]></description><category></category></item><item><title><![CDATA[Caffe各版本与源码全透析]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/68942020</link><guid>https://blog.youkuaiyun.com/d5224/article/details/68942020</guid><author>d5224</author><pubDate>Sat, 01 Apr 2017 10:48:47 +0800</pubDate><description><![CDATA[原文地址：http://m.blog.youkuaiyun.com/article/details?id=51262004

caffe源码的各个部分解析，后在网上看到很多大牛都写的非常好，于是就将这些链接整理一下，方便查看。]]></description><category></category></item><item><title><![CDATA[卷积神经网络Lenet-5详解]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/68928083</link><guid>https://blog.youkuaiyun.com/d5224/article/details/68928083</guid><author>d5224</author><pubDate>Fri, 31 Mar 2017 18:14:09 +0800</pubDate><description><![CDATA[卷积神经网络Lenet-5实现


原文地址：http://blog.youkuaiyun.com/hjimce/article/details/47323463
作者：hjimce


卷积神经网络算法是n年前就有的算法，只是近年来因为深度学习相关算法为多层网络的训练提供了新方法，然后现在电脑的计算能力已非当年的那种计算水平，同时现在的训练数据很多，于是神经网络的相关算法又重新火了起来，因此卷]]></description><category></category></item><item><title><![CDATA[Caffe学习系列(3)：视觉层（Vision Layers)及参数]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/62884987</link><guid>https://blog.youkuaiyun.com/d5224/article/details/62884987</guid><author>d5224</author><pubDate>Fri, 17 Mar 2017 11:54:17 +0800</pubDate><description><![CDATA[本文为转载文章，原文链接：http://www.cnblogs.com/denny402/p/5071126.html


更多内容请访问原文链接，在此感谢作者分享！









Caffe学习系列(3)：视觉层（Vision Layers)及参数




所有的层都具有的参数，如name, type, bottom, top和transform_para]]></description><category></category></item><item><title><![CDATA[Caffe学习系列(2)：数据层及参数]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/62884651</link><guid>https://blog.youkuaiyun.com/d5224/article/details/62884651</guid><author>d5224</author><pubDate>Fri, 17 Mar 2017 11:42:25 +0800</pubDate><description><![CDATA[本文转自：http://www.cnblogs.com/denny402/p/5070928.html   
更多请访问原创博主主页，感谢作者分享。






Caffe学习系列(2)：数据层及参数





要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参]]></description><category></category></item><item><title><![CDATA[ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/53612497</link><guid>https://blog.youkuaiyun.com/d5224/article/details/53612497</guid><author>d5224</author><pubDate>Tue, 13 Dec 2016 19:17:17 +0800</pubDate><description><![CDATA[原文连接     http://www.cnblogs.com/kunyuanjushi/p/5947066.html
自己安装Caffe的过程中，参考了很多资料，但由于版本或者其他原因，安装过程中总是遇到这样或者那样的问题，因此留做记录，方便之后查看，也希望对遇到相似麻烦的朋友们提供帮助。

　  下面我们开始安装吧：

　　硬件自然不用说了，一个好的显卡（Nvida TiTan 系列]]></description><category></category></item><item><title><![CDATA[ubuntu14.04中安装opencv2.4.9]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/52262232</link><guid>https://blog.youkuaiyun.com/d5224/article/details/52262232</guid><author>d5224</author><pubDate>Sat, 20 Aug 2016 16:51:48 +0800</pubDate><description><![CDATA[原文连接：http://my.oschina.net/u/1757926/blog/293976



1. 先从sourceforge上下载OpenCV的源码




http://jaist.dl.sourceforge.net/project/opencvlibrary/opencv-unix/2.4.9/opencv-2.4.9.zip


2. 解压到任意目录
]]></description><category></category></item><item><title><![CDATA[Caffe+Ubuntu 15.04+CUDA 7.0新手安装配置指南]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/52261644</link><guid>https://blog.youkuaiyun.com/d5224/article/details/52261644</guid><author>d5224</author><pubDate>Sat, 20 Aug 2016 15:26:44 +0800</pubDate><description><![CDATA[原文连接：http://www.linuxdiyf.com/linux/12708.html
以下为原文：


特别感谢在学习和使用Caffe和CNN的过程中，超级大神Yanqing Jia, Eric Tzeng, Evan Shelhamer, Ross Girshick, Sergey Karayev, Sergio Gadarrama给予的帮助。

特别说明：
0. Caff]]></description><category></category></item><item><title><![CDATA[Ubuntu14下gcc4.8和gcc4.7之间的切换]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/52261529</link><guid>https://blog.youkuaiyun.com/d5224/article/details/52261529</guid><author>d5224</author><pubDate>Sat, 20 Aug 2016 15:07:26 +0800</pubDate><description><![CDATA[Ubuntu14自带GCC的版本是4.8，编译caffe的matlab接口时需要降级到4.7系统使用的gcc版本随着发布版本的不同而不同，在编译Android系统时不同的版本推荐用不同的gcc去编译，那么可不可以改变系统的gcc来适应android编译环境的需求呢？答案是可以的。
先看看我们系统用的gcc和g++是什么版本
gcc -v
可以获得的信息如下
gcc version 4.8 ]]></description><category></category></item><item><title><![CDATA[ubuntu14安装nVidia驱动和CUDA Toolkit的安装和调试]]></title><link>https://blog.youkuaiyun.com/d5224/article/details/52244281</link><guid>https://blog.youkuaiyun.com/d5224/article/details/52244281</guid><author>d5224</author><pubDate>Thu, 18 Aug 2016 19:47:24 +0800</pubDate><description><![CDATA[1.下载安装包
u  在根目录下新建cuda_install文件夹，把run文件放进去
$ mkdir cuda_install
$ md5sum filename
 
2.冲突解决，卸载旧版本
u  根据官网介绍，之前安装的版本都会有冲突的嫌疑，所以之前安装的Toolkit和Drievers就得卸载，屏蔽，等等。
$ sudo apt-get --purgeremove nvidi]]></description><category></category></item></channel></rss>