junmuzi的专栏

original url:http://www.tsingfun.com/html/2016/dev_0607/1512.html出现这个错误原因是new 了一个抽象类出错，说明父类（接口）中有纯虚函数没有实现。接口里的纯虚函数全部需要实现，这样才能new 子类。纯...出现这个错误原因是new 了一个抽象类出错，说明父类（接口）中有纯虚函数没有实现。接

original url:http://caffecn.cn/?/article/42015_Arxiv_Deep Residual Learning for Image Recognition    首先感谢 @辛淼 博士的邀请，末学在这里把阅读《Deep Residual Learning for Image Recognition》一文的心得和

original url:http://blog.youkuaiyun.com/heyongluoyao8/article/details/49408131原文地址：一只鸟的天空，http://blog.youkuaiyun.com/heyongluoyao8/article/details/49408131在分类中如何处理训练集中不平衡问题  在很多机器学习任务中，训

original url:http://www.cnblogs.com/denny402/p/5074049.htmlsolver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learnin

original url:http://blog.youkuaiyun.com/lilyth_lilyth/article/details/8973972梯度下降（GD）是最小化风险函数、损失函数的一种常用方法，随机梯度下降和批量梯度下降是两种迭代求解思路，下面从公式和实现的角度对两者进行分析，如有哪个方面写的不对，希望网友纠正。下面的h(x)是要拟合的函数，J(the

original url:http://www.cnblogs.com/denny402/p/5072746.html本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计

original url:http://blog.youkuaiyun.com/u014510375/article/details/51697946最近在学习Caffe，但是作为曾经的Windows深度用户，还是比较习惯可视化的界面。然而，Caffe当然是在Linux/OS X系统下更好啦，因为一般还是写script在命令行里面玩的。所以这样就不直观咯，为了能直观地看清楚网络结构，而

original url:http://blog.youkuaiyun.com/qq_14975217/article/details/51524009对于mean pooling，真的是好简单：假设pooling的窗大小是2x2, 在forward的时候啊，就是在前面卷积完的输出上依次不重合的取2x2的窗平均，得到一个值就是当前mean pooling之后的值。backward的

original url:http://blog.youkuaiyun.com/jiejinquanil/article/details/50042791自己在看论文的过程中结合网上的一些资料，对pooling的一些理解汇总如下，以供参考： 1、pooling主要是在用于图像处理的卷积神经网络中，但随着深层神经网络的发展，pooling相关技术在其他领域，其他结构的神经网络中也越来

Ref: http://caffe.berkeleyvision.org/gathered/examples/finetune_flickr_style.htmle.g:Because we are predicting 20 classes instead of a 1,000, we do need to change the last layer in the model.

original url:http://blog.youkuaiyun.com/hjimce/article/details/50544370可视化理解卷积神经网络原文地址：http://blog.youkuaiyun.com/hjimce/article/details/50544370作者：hjimce一、相关理论本篇博文主要讲解2014年ECCV上的一篇经典文献：《Vis

original url：http://blog.youkuaiyun.com/cham_3/article/details/55505363错误描述 这是protobuf提示的一个错误。它的意思是在用户的prototxt中第xxx行，第xx 列缺少一个整型数或者标识符。解决方法检查对应的prototxt文件，在第xxx行，第xx 列是否缺漏了相应的信息。=====

Ref cuDNN User Guide to write your program.You could download cuDNN User Guide via follow url:https://developer.nvidia.com/rdp/cudnn-downloadhttps://developer.nvidia.com/rdp/cudnn-archiv

StartInternalThread函数将会启动多线程（启动数据的预读操作）。在train的时候：int train() {   ...  if (gpus.size() > 1) {    // Here will call StartInternalThread    caffe::P2PSync sync(solver, NULL, solver->

Solution:Makefile.configUncomment to support layers written in Python (will link against Python libs)WITH_PYTHON_LAYER := 1ref:https://github.com/BVLC/caffe/issues/3834

Original url:http://blog.51cto.com/mengjh/546766   本文是根据自己的理解翻译组织了glog的manual，鉴于自身的理解能力和英语水平，可能存在谬误，欢迎大家指出！英文原文见http://google-glog.googlecode.com/svn/trunk/doc/glog.html 1.   概述      Google glog是一个基于程...

Original url:https://blog.youkuaiyun.com/u013078356/article/details/51154847在caffe的训练过程中，大家难免想图形化自己的训练数据，以便更好的展示结果。如果自己写代码记录训练过程的数据，那就太麻烦了，caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh  caffe-ma...

Original url:https://blog.youkuaiyun.com/yuanlunxi/article/details/79378301Loss曲线震荡:分析原因:  1:训练的batch_size太小 1.       当数据量足够大的时候可以适当的减小batch_size,由于数据量太大，内存不够。但盲目减少会导致无法收敛，batch_size=1时为在线学习。2.  batch的选择，首先...

Original url：https://blog.youkuaiyun.com/baidu_26408419/article/details/78497201好的URL：https://machinelearningmastery.com/improve-deep-learning-performance/http://lamda.nju.edu.cn/weixs/project/CNNTricks/CNN...

Original url:https://blog.youkuaiyun.com/lanyuxuan100/article/details/78881501在编写caffe某些层的时候，需要设置其不进行反向传播，否则会有类似如下的错误：主要有两种方法解决：（1）如果是C++写的层，直接在prototxt中层参数设置的时候，添加如下参数即可：lr mult:0decay mult:0以faster-rcnn为例...

Original url:https://www.zhihu.com/question/49432190/answer/132305638即通过修改cpu的值来修改gpu的值，caffe中cpu和gpu的值是一样的。猜测：gpu在内存中的map地址和cpu在内存中的map地址是一样的。。。。故修改cpu的值即是修改了gpu的值。。。。示例：貌似不可以用这种方式修改gpu的值。要进到kernel里面...

Original url:https://blog.youkuaiyun.com/u014381600/article/details/72867109之前在tensorflow上和caffe上都折腾过CNN用来做视频处理，在学习tensorflow例子的时候代码里面给的优化方案默认很多情况下都是直接用的AdamOptimizer优化算法，如下：optimizer = tf.train.AdamOptimiz...

Original url：https://blog.youkuaiyun.com/xg123321123/article/details/52610919Batch Normalization意义： 网络训练时，用来加速收敛速度提醒： 已经将BN集成为一个layer了，使用时需要和scale层一起使用训练的时候，将BN层的use_global_stats设置为false； 测试的时候将use_global_s...

original url:http://www.voidcn.com/blog/langb2014/article/p-5748576.html调参是个头疼的事情，Yann LeCun、Yoshua Bengio和Geoffrey Hinton这些大牛为什么能够跳出各种牛逼的网络？下面一些推荐的书和文章：调参资料总结Neural Network: Trick

original url:http://www.cnblogs.com/happylion/p/4193527.htmlFor more info: you could ref  the book《Pattern Recognition and Machine Learning》神经网络最基本的知识可以参考神经网络基本知识，基本的东西说的很好了，然后这里讲一下神

1, 图片只能转换成caffe可读的leveldb或者lmdb存储。The backend {lmdb, leveldb} for storing the result.2, How to Setup Caffe to Use Other Datasets by Modifying imagenet Examplehttp://drubiano.github.io/2014/06/18

$ cmake -D CMAKE_INSTALL_PREFIX=/opt/sequence_to_sequence_video_to_text/ -D CMAKE_BUILD_TYPE=debug ../CMake Error: Could not find CMAKE_ROOT !!!CMake has most likely not been installed correctly.

Original url:https://en.wikipedia.org/wiki/List_of_Nvidia_graphics_processing_units

original url:https://yq.aliyun.com/articles/39134深度学习在最近十来年特别火，几乎是带动AI浪潮的最大贡献者。互联网视频在最近几年也特别火，短视频、视频直播等各种新型UGC模式牢牢抓住了用户的消费心里，成为互联网吸金的又一利器。当这两个火碰在一起，会产生什么样的化学反应呢？ 不说具体的技术，先上一张福利图，

网址：http://blog.youkuaiyun.com/mounty_fsc/article/details/51588773（Caffe，LeNet）权值更新（七）在Solver::ApplyUpdate()函数中，根据反向传播阶段计算的loss关于网络权值的偏导，使用配置的学习策略，更新网络权值从而完成本轮学习。1 模型优化1.1 损失函数损失函数L

original url:http://www.cnblogs.com/yymn/articles/5330587.htmlCaffe的卷积原理Caffe中的卷积计算是将卷积核矩阵和输入图像矩阵变换为两个大的矩阵A与B，然后A与B进行矩阵相乘得到结果C（利用GPU进行矩阵相乘的高效性），三个矩阵的说明如下：（1）在矩阵A中     

original url:http://blog.youkuaiyun.com/tina_ttl/article/details/51034867在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍全连接层该层是对元素进行w

original url:http://blog.youkuaiyun.com/chlele0105/article/details/17251971       一、DBNs是一个概率生成模型，与传统的判别模型的神经网络相对，用于建立一个观察数据和标签之间的联合分布。                          二、DBN的训练     CD(Con

original url:http://blog.youkuaiyun.com/sunbaigui/article/details/39938097在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之

original url:http://blog.youkuaiyun.com/xizero00/article/details/50886829一、前言等着caffe没有膨胀到很大的程度把caffe的代码理一理（1）第一次阅读Caffe的源码，给人的印象就是里面大量使用了gtest，确实也简化了不少代码，看起来很清晰。（2）caffe的文档是使用doxygen

Ref:https://groups.google.com/forum/#!topic/caffe-users/0EDSecP6lOQ

original url:http://blog.youkuaiyun.com/u014114990/article/details/47781233一、caffe 支持在别人的模型上继续训练。 下面是给的例子caffe-master0818\examples\imagenet\resume_training.sh[cpp] view plain cop

original url:http://blog.youkuaiyun.com/qq_16055159/article/details/45115359引言要看caffe源码，我认为首先应该看的就是caffe.proto。 它位于…\src\caffe\proto目录下，在这个文件夹下还有一个.pb.cc和一个.pb.h文件，这两个文件都是由caffe.proto编译而

Original url:http://www.voidcn.com/blog/iamzhangzhuping/article/p-4981696.htmlBlob作为Caffe的四大模块之一，负责完成CPU/GPU存储申请、同步和数据持久化映射。Caffe内部数据存储和通讯都是通过Blob来完成，Blob提供统一的存储操作接口，可用来保存训练数据、模型参数等。Blob是一个高

C++ read codes:cv::Mat cv_img = cv::imread("./1.png",-1);std::cout cv_img.channels() std::endl;// prints 4Matlab Write codes:imwrite(A, './1.png', TIFF);Ref:htt