本文详细介绍了使用Caffe构建卷积神经网络和残差网络时涉及的关键层，包括'HDF5Data'用于读取hdf5数据，'Convolution'层的参数设置，'ReLU'作为非线性激励层的作用，'Slice'层如何进行数据分割，'Crop'层的裁剪操作，以及'Eltwise'和'Concat'层的运算和连接功能。这些内容旨在帮助理解和应用Caffe。
本文章，对研究过程中应用caffe平台构建卷积神经网络和残差神经网络过程中，用到的layer进行简单记录和讲解。
大致包含以下图层："HDF5Data"（读取hdf5文件） 、"Convolution"（卷积层）、"ReLU"（激励层）、"Slice"（切片）、"Crop"（裁剪）、"Eltwise"（运算）、"Concat"（连接）
（1） "HDF5Data"（读取hdf5文件）
a.参数简单介绍：
name：层的名称
type：层的类型
top：层输出数据
bottom：输入层的数据（读取数据时没有）
b.示例
（2）"Convolution"（卷积层）（仅解释研究中用到的参数）
最低0.47元/天 解锁文章
扫一扫
1563
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
