guoyilin的专栏

1. mkl download: https://software.intel.com/en-us/intel-system-studioproblem : error while loading shared libraries: libmkl_rt.so: cannot open shared object file: No such file or directoryanswer:

1. compute the mean image.#!/usr/bin/env sh# Compute the mean image from the imagenet training leveldb# N.B. this is available in data/ilsvrc12./build/tools/compute_image_mean /mnt_data/yilin_gu

最近阅读到Facebook AI实验室发的一篇文章，Beyond Frontal Faces: Improving Person Recognition Using Multiple Cues，主要用来做person recognition。 论文提到，传统的deepface适用于正脸（frontal face）的情形，但是对于侧脸、脸部有遮挡、背脸的情形下，效果不理想，论文作者提到利用身体的各个

Practical Advice.Ok. So you’re sold. You’re convinced that LDNNs are the present and the future and you want to train it. But rumor has it that it’s so hard, so difficult… or is it? The reality is

本文主要对http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/filter_visualization.ipynb进行代码解析。1. net.blobs.items() 存储了预测图片的网络中各层的feature map的数据。2. net.params.items()存储了训练结束后学习好的网络参数。3

最近打算系统的学习下deep learning。

caffe c++批量抽取特征的方法在[1]，但是该方法使用中有几个疑问：1. 如何转换levelDB 格式为libsvm格式。2. ./build/tools/extract_features mini-batch 是代表什么意思，和imagenet_val.prototxt中的batch_size的关系是什么？

这篇论文主要讨论如何针对CNN做一些GPU矩阵计算的优化。传统CNN计算主要开销是在convolutions, activation function, pooling.首先，我们看convolution的操作过程:参数表：O是输出input feature map，F是filter, D0是input  feature  map. 从公式看到如果用循环操作，需要7次循

caffe python 批量抽取图像特征---续篇

As we know, the SGD need to shuffle all data in an epoch(the number of data), and read data sequentially batch by batch. How Caffe implement the shuffle mechanism?The input data format of caffe

前几天仔细阅读distbelief的论文， 发现如下这篇文章对论文的分析比较到位，对论文不太懂的，可以看 http://blog.youkuaiyun.com/itplus/article/details/31831661，这里我转载内容：另外，可以参考wagnyi大牛的博客http://cxwangyi.github.io/2013/04/09/asynchronous-parameter-up

深度学习如何做人脸检测