Enjolras_fuu的博客

前言：Caffe是一个深度学习的框架，此处介绍Caffe的设计哲学、架构和使用方法，是关于Caffe的实践指引和介绍。教程内容：1.Nets，Layers，and Blobs：Caffe模型解析；                    2.Forward and Backword：层状模型的基本计算；                    3.Loss：由loss定义待学习的任

转载： 风翼冰舟的博客模型读取 读取bvlc_reference_caffenet 的模型结构以及训练好的参数，注意此处的模型结构为deploy，而非train时候的。caffe.set_mode_cpu();%设置CPU模式 model = '../../models/bvlc_reference_caffenet/deploy.prototxt';%模型 weights = '../

参考：这里写链接内容 转载：这里写链接内容为了文件夹不错乱，我在安装了Matlab的Caffe-master并列目录下建立了一个文件夹Mat_Train，在这个文件夹里放入了我们训练所需要的全部的东西。。。保险起见，还是先尝试给出的案例，再尝试我的手掌识别案例。 mnist_data文件夹里存的是mnist数据集的lmdb文件以及lenet.prototxt。移动完毕，接下来需要修改lenet_

转自：denny的学习专栏 caffe在训练的时候，需要一些参数设置，我们一般将这些参数设置在一个叫做solver.prototxt的文件里面。参数设置需要遵循一些计算。假如我们有50000个训练样本，batch_size设为64，那么需要迭代50000/64=782次才处理完一次全部的样本。我们把处理完一次所有的样本，称之为一代，即epoch。所以，这里的test_interval设置为782，

暂时不进行可视化，我们只想得到一个最终训练的model，可以用以下代码实现：import caffecaffe.set_device(0)caffe.set._mode_cpu()solver=caffe.SGDSolver('E:/CaffeDev/caffe-master/data/mypython1/solve.prototxt')solver.solve()之后会总结在caffe上直

在caffe for windows的python接口学习（2）中，我们介绍了一种生成配置文件的方式。那种方式的前提是必须要先把原始图片转换成LMDB格式的文件才行。如果我们已经把原始图片做成了一个列表清单（txt文件，一行一张图片），则可以不用LMDB格式作为输入数据，可以直接用ImageData作为数据源输入，代码如下：from caffe import layers as L,params a

先验知识： （1）如何配置caffe for windows的python接口； （2）如何将图片转换成LMDB格式； （3）如何计算训练数据的均值文件。我们知道。Caffe是用C++语言写的，C++是一门相对比较复杂的语言，可能很多人不太熟悉，因此想用更为简单的脚本语言来实现。Caffe提供matlab和python接口，这两种语言就非常简单，而且非常容易进行可视化，使得我们的学习更加快速，

首先我尝试在spyder中写caffe的配置文件，结果出现很多”看不懂“的错误。提示说在examples/pycaffe/caffenet.py中提供了一种直接在Python中编写网络的方法。所以我决定先尝试理解一下这个实例文件。首先是import：from __future__ import print_functionfrom caffe import layers as L,

参考：【caffe-Windows】微软官方caffe之 Python接口配置及图片生成实例 - 风翼冰舟的博客 - 博客频道 - youkuaiyun.com http://blog.youkuaiyun.com/zb1165048017/article/details/52980102caffe的python接口学习（1）：生成配置文件 - denny402 - 博客园 http://www.cnblog

几个概念：Classifacation 是对输入图像做一个分类；Retrieval是对输入图像找到一个同款；Detection 是检测出一个物体框；Segmentation 是对输入图像做一个大量的分割。把图像如人脸的特征做一步步的提取，最后提取出一个向量。卷积神经网络可以检测细胞病变，可以检测出汉字、车牌。我们可以让计算机对一副图像进行描述，告诉我们这幅图像是做什

模型读取参照三，想实现一个自己图像的可视化过程： 首先我发现自己训练出的model没有deploy文件。查阅了下：“如果要把训练好的模型拿来测试新的图片，那必须得要一个deploy.prototxt文件，这个文件实际上和test.prototxt文件差不多，只是头尾不相同而也。deploy文件没有第一层数据输入层，也没有最后的Accuracy层，但最后多了一个Softmax概率层。”记得我用的是C