xiaoyanghijk的专栏

文章转自： http://blog.youkuaiyun.com/thesby/article/details/50880546如何解读Caffe源码导读Caffe是现在非常流行的深度学习库，能够提供高效的深度学习训练。该库是用C++编写，能够使用CUDA调用GPU进行加速。但是caffe内置的工具不一定能够满足用户的所有需求，所以阅读源码并理解它，是很有必要的。 这篇博文

本文转自：http://www.aichengxu.com/view/1422042 今年过年之前，MSRA和Google相继在ImagenNet图像识别数据集上报告他们的效果超越了人类水平，下面将分两期介绍两者的算法细节。　　这次先讲Google的这篇《Batch Normalization Accelerating Deep Network Training by Reduci

说明 ：本文转自 ： http://blog.youkuaiyun.com/seven_first/article/details/47378697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

说明：本文转自 http://blog.youkuaiyun.com/shuzfan/article/details/51322976时间节点2016.04，即caffe重大更新后（每一种层都对应一个同名cpp和hpp文件）。描述一下本次要实现层的功能：正向直接copy传播，反向时将梯度放缩指定倍。这个层对一些特定的网络结构有很重要的辅助作用，比如有时我们的网络存在分支，但我们

说明  ：转自 http://blog.youkuaiyun.com/happynear/article/details/48547383slice：在某一个维度，按照给定的下标，blob拆分成几块。比如要拆分channel，总数50，下标为10,20,30,40，那就是分成5份，每份10个channel，输出5个layer。concat：在某个维度，将输入的layer组合起来，是slice的逆过程。

说明 ：本文转自 http://www.cnblogs.com/denny402/p/5103425.html通过前面的学习，我们已经能够正常训练各种数据了。设置好solver.prototxt后，我们可以把训练好的模型保存起来，如lenet_iter_10000.caffemodel。 训练多少次就自动保存一下，这个是通过snapshot进行设置的，保存文件的路径及文件名前缀是由sn