tina的博客

本人主要分析如何利用caffe pre-trained model进行图像分类 caffe的examples中给出了该任务的具体程序，想要了解该过程，只要阅读该程序即可Setup配置python环境，导入numpy，并对显示部分进行设置# set up Python environment: numpy for numerical routines, and matplotlib for plot

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pooling层1. Pooling层总述下面首先给出pooling层的结构设置的一个小例子（定义在.prototxt文件中） layer { name: "pool1"

caffe中的softmaxWithLoss其实是： softmaxWithLoss = Multinomial Logistic Loss Layer + Softmax Layer其中： Multinomial Logistic Loss Layer 即为交叉熵代价函数 Softmax Layer其实就是指softmax function（全连接那一步在它前面的fc中实现）示意图如下：

今天才偶然发现，caffe在计算Accuravy时，利用的是最后一个全链接层的输出（不带有acitvation function），比如：alexnet的train_val.prototxt、caffenet的train_val.prototxt下图是这两个网络训练配置文件（prototxt文件）计算Accuray的配置文件截图的截图（对于该部分，alexnet和caffenet是一致的）最后一个

利用python可以创建caffe的网络定义的prototxt文件，利用这种方法的一个好处就是：可以保证training，testing和deploy网络的一致性！下面是利用python编写train和test的prototxt文件的一个小事例：import osfrom os.path import joinimport numpy as npimport caffefrom caffe i

如何对prototxt文件绘制网络的结构图pip install pydotplus（需要安装pydotplus这个package） 在containter的bash中，利用：python caffe/python/draw_net.py workspace/prettynet.prototxt workspace/prettynet.jpgworkspace/prettynet.prototxt

我们可以利用python来生成所有net结构的prototxt文件（当然，也可以直接写prototxt文件），这样，可以充分保证 training, testing和deploy 的一致性，并且，比较直观，修改也很方便下面给出一个小例子import caffefrom caffe import layers as L #pseudo module using __getattr__ magic t

正如caffe的examples所提，CNN model并不是一个黑盒，caffe提供了工具来查看cnn各层的所有输出1.查看CNN各层的activations值的结构（即每一层的输出）代码如下：# 显示每一层for layer_name, blob in net.blobs.iteritems(): print layer_name + '\t' + str(blob.data.shap

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；本篇主要介绍卷积层参考1. 卷积层总述下面首先给出卷积层的结构设置的一个小例子（定义在.prototxt文件中） layer { name: "conv1" // 该层的名字

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；本篇主要介绍激活函数层 1. 激活函数层总述下面首先给出激活函数层的结构设置的一个小例子（定义在.prototxt文件中） layer { name: "relu1" //该层名称

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wise to wise的运算1. 全连接层总述下面首先给出全连接层的结构设置的一个小例子（定义在.prototxt文件中） layer { na

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loss层 1. loss层总述下面首先给出全loss层的结构设置的一个小例子（定义在.prototxt文件中） layer { name: "loss" type

经过朋友指导，终于成功在windows7上成功编译了caffe，这里将编译过程记录安装文件准备1 visual studio 2013安装包下载2 CUDA75 optional3 windows版本caffe4 下载cuDNN optional5 下载Anaconda安装包 optional6 下载Matlab安装包 optional安装visual studio 2013安装c