juemingzi_tt的博客

点击打开链接 After preprocess the image, the training dataset is used to train "classification engine" for recognition purpose. In this example, a multi-layer feed-forward back-propagation Neural Netwo

(便于学习，做了博客的搬运工) % 生成训练样本集 clear all; clc; P=[110 0.807 240 0.2 15 1 18 2 1.5; 110 2.865 240 0.1 15 2 12 1 2; 110 2.59 240 0.1 12 4 24 1 1.5; 220 0.6 240 0.3 12 3 18 2 1;

点击打开链接 在Linux下面，如何调用caffe已经训练好的模型进行测试 如上图 ，就是build/tools/caffe.bin文件，上图就有它的指令介绍。 在MNIST调用已经训练好的模型，测试。 这个测试，假定可能是新加入的测试集，还是按照原来的需求转换，存放数据到指定的位置。 ./build/tools/caffe.bin test -model=examples/mnis

http://www.cnblogs.com/dupuleng/articles/4242906.html 一、caffe的基本组成  一个caffe的工程主要包含两个部分：网络模型，参数配置，分别对应***.prototxt , ****_solver.prototxt文件。 网络模型：即定义你网络的每一层，下图是用caffe中 /python/draw_net.py画出的的siame