废柴奶萌兔的博客

这两天已经把vggnet在caffe平台上训练，在等训练结果的同时，将网络的理论基础梳理明白。下面罗列一下自己需要看的资料。一、阅读资料：1.Caffe官方教程中译本http://pan.baidu.com/s/1miwIUta2.CS231n Convolutional Neural Networks for Visual Recognition http://cs231

通过caffe深度学习框架在cifar10数据集训练得到模型，观察并分析模型的train loss 、test loss及accuracy曲线，并对得到的caffemodel进行测试。数据集介绍：cifar-10是一个使用非常广泛的物体识别图像数据集，CIFAR-10数据中包含了60000张32×32的彩色图像，其中训练集50000张，测试集10000张。共有10类物体，分别是airpla

记录一下使用VGGNet进行人脸识别的实验过程。数据集：训练集 9W+张人脸图片，包含10000 ID。1.数据集准备将数据集图片分为训练集以及测试集两个部分，并生成标签文件，记录在.txt文件中。训练与测试图片比例为4:1。import os,shutiltrainFile = open('train.txt','w') testFile = open('test.

一般使用saver.restore(sess, modeldir + "model.ckpt")即可加载已经训练好的网络，可是有时候想值使用部分层的参数，这时候可以选择在加载网络之后重新初始化剩下的层var_list = [weights['wd1'], weights['out'], biases['bd1'], biases['out'], global_step]initfc =