一亩半分地

神经网络中的Early Stop神经网络中具体的做法如下： 1. 首先将训练数据划分为训练集和验证集（划分比例为2:1）； 2. 在训练集上进行训练，并且在验证集上获取测试结果（比如每隔５个epoch测试一下），随着epoch的增加，如果在验证集上发现测试误差上升，则停止训练； 3. 将停止之后的权重作为网络的最终参数。 注：Early Stop能够防止过拟合。Split the trai

caffe中filler类的实现代码阅读。

Caffe代码阅读之LayerRegister的实现

（1）移植辅助的文件将include/caffe/util/下的coords.hpp和modified_permutohedral.hpp复制到caffe-windows对应的目录将src/caffe/util/modified_permutohedral.cpp复制到对应的目录中去（2）移植Layer中的特性在include/caffe/layer.h

caffe是使用loss_weight控制loss的传递在基本类Layer里的函数如下对于loss Layer loss_weight非0，对于非loss Layer，loss_weight都是0所以Layer对网络loss的贡献值也为0

本文从源码角度解析了网络是如何被初始化的，从一开始的solver的注册与实例化，到利用solver去初始化网络中的每一层，然后进行前传和反传。希望借此文能够让读者理清楚caffe的整体运行流程，窥一斑而见全豹。

torch中如何读取存放在hdf5文件中的字符串

本文给出了一个简明的lua代码规范，希望给用torch的童鞋一些kua参考。

部分翻译了bazel的选项的含义，仅供参考

关于softmax损失函数的推导某人问我softamx损失函数的推导,索性就写一下. 定义softmax损失函数的输入为XN×CX_{N \times C}和YN×CY_{N \times C}, 其中N代表输入的数据的个数,C代表类别的个数.X指的是神经网络的输出,Y代表的是0-1矩阵,即如果第i个样本的类别为j那么yij=1y_{ij}=1, 那么第i行的其余列的值就都为0. 这里的sof

该类SyncedMemory主要就是在内存分配空间以及在GPU上分配空间，并且负责同步数据，此外我看mutable_cpu_data和cpu_data 这两个函数的主要区别就是head_是否改变，至于这两个函数的命名上的mutable是有着互斥的含义的。究竟体现在哪儿，我的感受是，这里的mutable的体现主要是在调用了mutable_cpu_data之后强制设置了head_为HEAD_AT_CPU，从而保护了cpu上的数据.

Caffe中Layer类是所有神经网络层的基类，BaseDataLayer继承自该类，BasePrefetchingDataLayer继承自BaseDataLayer，DataLayer继承自BasePrefetchingDataLayer。有了上述几个基础的类之后，其他的类都是从这几个类进行派生。比如DummyDataLayer，HDF5Layer和HDF5OutputLayer都是直接继承自Layer。MemoryDataLayer则是继承自BaseDataLayer凡是涉及到直接读取数据文

caffe中如何添加新的层

caffe中data_reader、internalthread以及blocking_queue的实现细节介绍

介绍Caffe的数据转换的具体实现以及IO的具体实现。对相关的代码进行剖析

解析Caffe中的Layer类的相关具体的实现。

caffe 层的定义以及参数的设置

cmake的使用

本文介绍了Caffe中的卷积层的实现，以及卷积实现的时候所使用的im2col的实现，其中重点介绍了im2col的实现原理。

有人一直对Caffe does all the bookkeeping for any DAG of layers to ensure correctness of the forward and backward passes。这句话有疑惑。我给出解释：首先给出caffe确定前传和反传的整体流程：首先根据参数文件的字符串到层的注册表中获取层的Creator函数，然后创

caffe 中 BLOB的实现一、前言等着caffe没有膨胀到很大的程度把caffe的代码理一理（1）第一次阅读Caffe的源码，给人的印象就是里面大量使用了gtest，确实也简化了不少代码，看起来很清晰。（2）caffe的文档是使用doxygen来生成的，这点在注释里面有体现，对于自己以后的项目也可以借鉴。二、相关知识：（1）explicit关键字的作用是

前言common中给出的是一些初始化的内容，其中包括随机数生成器的内容以及google的gflags和glog的初始化，其中最主要的还是随机数生成器的内容。重点这里有点绕，特别是Caffe类里面有个RNG，RNG这个类里面还有个Generator类在RNG里面会用到Caffe里面的Get()函数来获取一个新的Caffe类的实例（如果不存在的话）。然后RNG里面用到了Genera

本文介绍了一个自动安装tensorflow的脚本。