
计算机视觉
圣空老宅
专注渲染和游戏引擎设计和理论,今后主要更新这方面知识。研究生研究人工智能和深度学习.
个人网站:https://zhaishengfu.github.io/
展开
-
新版caffe(r3) imagedatalayer说明
新版caffe去除了一些函数,又添加了新的函数.先具体说一下imagedatalayer的改变.新版的caffe应该是添加了多gpu,多cpu同时读取的功能.1.ImageDataLayer:停止读取线程2.DataLayerSetUp:总的来说,是要确定上层的shape,所以这里会读取一张图片进行推断.1)读取图片信息并判断合理性2)读取记录label信息原创 2016-06-14 10:00:43 · 3554 阅读 · 1 评论 -
cuda编程
安装cuda我就不说了。nvcc -o filename filename.cu,编译nvcc -o filename filename.cu -g, 之后可以debugCUT_CHECK_ERROR(),CUDA_SAFE_CALL(), 错误检测nvcc -I /home/user/NVIDIA_GPU_Computing_SDK/C/common/in原创 2017-03-04 17:00:00 · 342 阅读 · 0 评论 -
lstm
之前用过lstm,效果并没有改进,所以很长时间我对他并不感冒。最近由于各种原因需要重新使用,所以比较细致的看了一下。先来一张大牛的解释,什么是lstm:LSTM is by definition, a function F:Rd×R×Rd→Rd×Rd:Rd×R×Rd→Rd×Rd. It takes in x,pc,ph∈Rdx,pc,ph∈Rd and performs t原创 2017-02-24 10:08:34 · 765 阅读 · 0 评论 -
caffe cudnnv5
最新的caffe cudnn v5有许多非常好的特性,之前caffe不支持,现在支持了赶紧用下载cudnn安装包,解压到某个路径,然后用下面的方法建立软连接cd includesudo cp *.h /usr/local/include/cd lib64sudo cp lib* /usr/local/lib/cd /usr/local/lib原创 2016-08-25 21:06:05 · 924 阅读 · 0 评论 -
CNN之卷积加速
最近要做CNN加速,就详细看了以下.原创 2016-06-17 14:02:36 · 5902 阅读 · 1 评论 -
caffe loss
欢迎使用Markdown编辑器写博客本Markdown编辑器使用StackEdit修改而来,用它写博客,将会带来全新的体验哦:Markdown和扩展Markdown简洁的语法代码块高亮图片链接和图片上传LaTex数学公式UML序列图和流程图离线写博客导入导出Markdown文件丰富的快捷键快捷键加粗 Ctrl + B 斜体 Ctrl + I 引用 Ctrl原创 2016-08-25 15:04:32 · 1531 阅读 · 0 评论 -
L1 and L2
HOME ABOUTDifferences between L1 and L2 as Loss Function and RegularizationPOSTED ON DEC 18, 2013 • LOhttp://www.chioka.in/differences-between-l1-and-l2-as-loss-function-and-regula转载 2016-08-19 11:39:49 · 1352 阅读 · 0 评论 -
caffe 多个cudnn
caffe有各种版本,对于cudnn的支持不一样,切来切去特别麻烦,干脆装多个cudnn,按需采用.实际上还是很简单的.首先,不要装在系统目录下面(建议如此),新建一个自己的文件夹,离不cudnn_v4,里面有include和lib64文件夹,只要在caffe的Makefile.config的INCLUDE_DIRS和LIBRARY_DIRS 添加路径即可.这时候可以成功编译,但是运行会找原创 2016-08-27 10:34:00 · 4656 阅读 · 2 评论 -
直观上理解PCA中特征值和特征向量
http://blog.youkuaiyun.com/cfh_3c/article/details/51355044转载 2016-08-01 09:28:33 · 10217 阅读 · 0 评论 -
辅助知识1:图形学中的采样、走样分析和处理方法
计算机生成图像实际就是信号的采样和重建过程。问题可以抽象为:给定连续信号g(x)g(x)g(x),我们采样得到信号gs(x)g_s(x)gs(x),我们能否通过gs(x)g_s(x)gs(x)来完整表达g(x)g(x)g(x)呢?如果可以的话,如何重建?采样和傅里叶变换给定空间域信号g(x)g(x)g(x), 对应的频率信号为G(f)G(f)G(f),则二者之间可以通过傅里叶变换得到...转载 2019-07-19 11:18:07 · 1118 阅读 · 0 评论