paranoid_CNN的博客

Caffe基础介绍       Caffe的全称应该是ConvolutionalArchitecture for Fast Feature Embedding，它是一个清晰、高效的深度学习框架，它是开源的，核心语言是C++，它支持命令行、Python和Matlab接口，它既可以在CPU上运行也可以在GPU上运行。它的license是BSD2-Clause。       Deep Lea

***自己在学习过程中遇到了很多坑，由于基础太差，基本是寸步难行，看到繁杂的caffe源码就想按下电脑电源键强制关机，就在我要放弃之刻，我遇到了老司机志轩，志轩老湿的一番话让我茅塞顿开，故决定开博文写自己的caffe学习之旅，反正不会就小窗口志轩，烦也要烦死他，之后的博文会都会在结尾附上志轩老师的博客，有需要的同志看一下，说不定就有有用的东西。***需要的一点caffe基础：

全连接层实现形式

C++非常差，整理下来三个目的：第一搞懂caffe原理，第二在这个过程中会学C++，整理下来，便于回头梳理，第三和志轩的那个约定。第四努力当一个不被志轩抛弃的菜逼。- Inner_Product Layer.hpp先看Inner_Product Layer.hpp：template <typename Dtype> class InnerProductLayer : public Layer<Dt

继承关系

目录 目录主要函数caffe_cpu_gemm 函数caffe_cpu_gemv 函数caffe_axpy 函数caffe_set 函数caffe_add_scalar 函数caffe_copy 函数caffe_scal 函数caffeine_cup_axpby 函数caffe_add caffe_sub caffe_mul caffe_div 函数caffe_powx

解析写这个文章是为了了解caffe的数据读取如果不是图片，而是视频，数据层是如何设计的。直观感觉对于caffe的入口层数据不是图像而是一帧帧视频的读取层，直观上的设计是好像没啥区别，因为视频本质也是一帧帧图像，但我真不知道怎么处理，可能最暴力的办法就是把一帧帧图像分别保存为单通道图像，然后将多幅单通道图像合并为一个多通道图像，那么一个视频本质上就是一幅多通道的图像，但问题就在于好像这样做不是很简单的

include/caffe/layer

。。。。想起来在埋吧。