Wenbin_Yang

[原文链接](http://www.cnblogs.com/denny402/p/5679037.html) caffe是C++语言写的，可能很多人不太熟悉，因此想用更简单的脚本语言来实现。caffe提供matlab接口和python接口，这两种语言就非常简单，而且非常容易进行可视化，使得学习更加快速，理解更加深入。 半年前，我在学习CAFFE的时候，为了加深理解，因此写下了随笔，有了一系列的caf

原文链接#coding=utf-8 #加载必要的库 import numpy as npimport sys,os#设置当前目录 caffe_root = '/home/xxx/caffe/' sys.path.insert(0, caffe_root + 'python') import caffe os.chdir(caffe_root)net_file=caffe_root + 'model

原文链接import numpy as py import matplotlib.pyplot as plt import sys,os import caffe#设置当前目录 caffe_root="/home/XXX/caffe/" #caffe所在路径 os.chdir(caffe_root) sys.path.insert(0,caffe_root+'python')#显示图形大小为10

原文链接 如果用公式 y=f(wx+b)来表示整个运算过程的话，那么w和b就是我们需要训练的东西，w称为权值，在cnn中也可以叫做卷积核（filter），b是偏置项。f是激活函数，有sigmoid、relu等。x就是输入的数据。数据训练完成后，保存的caffemodel里面，实际上就是各层的w和b值。我们运行代码：deploy=root + 'mnist/deploy.prototxt'

import matplotlib.pyplot as plt import re ##读取文件 fp = open(r'C:\Users\yangwenbin\Desktop\abc.log', 'r') iterations = [] #初始化存放迭代次数的列表 loss = [] #初始化存放loss的列表 train_loss=[] #初始化存放train_loss的列表for ln

[原文链接](http://www.cnblogs.com/denny402/p/5685909.html) 经过前面两篇博文的学习，我们已经训练好了一个caffemodel模型，并生成了一个deploy.prototxt文件，现在我们就利用这两个文件来对一个新的图片进行分类预测。 我们从mnist数据集的test集中随便找一张图片，用来进行实验。#coding=utf-8import caffe

[原文链接](http://www.cnblogs.com/denny402/p/5685818.html) 如果要把训练好的模型拿来测试新的图片，那必须得要一个deploy.prototxt文件，这个文件实际上和test.prototxt文件差不多，只是头尾不相同而也。deploy文件没有第一层数据输入层，也没有最后的Accuracy层，但最后多了一个Softmax概率层。 这里我们采用代码的方式

[原文链接](http://www.cnblogs.com/denny402/p/5684431.html) 深度学习的第一个实例一般都是mnist，只要这个例子完全弄懂了，其它的就是举一反三的事了。由于篇幅原因，本文不具体介绍配置文件里面每个参数的具体函义，如果想弄明白的，请参看我以前的博文： 数据层及参数 视觉层及参数 solver配置文件及参数 一、数据准备 官网提供的mnist数据并不是图片

原文链接如果不进行可视化，只想得到一个最终的训练model, 那么代码非常简单，如下 :import caffe caffe.set_device(0) caffe.set_mode_gpu() solver = caffe.SGDSolver('/home/xxx/data/solver.prototxt') solver.solve()

[原文链接](http://www.cnblogs.com/denny402/p/5679154.html) caffe在训练的时候，需要一些参数设置，我们一般将这些参数设置在一个叫solver.prototxt的文件里面，如下：base_lr: 0.001 display: 782 gamma: 0.1 lr_policy: “step” max_iter: 78200 momentum: 0.9

仅参考import numpy as np from PIL import Image import sys import matplotlib.pyplot as plt #import scipy.io as sio import caffe#import caffe import glob #fileList=glob.glob('/home/yangwb/JPEGImages/*.jpg')