常思考->有目标->重实践->善反思

目录： 原文Blob storage and communication Implementation Details Layer computation and connectionsNet definition and operation模型定义 原文 深度神经网络（Deep networks）是由许多相互关联的Layer组成的。Caffe定义了一

本文主要分析caffe layer层，主要内容如下： 从整体上说明下caffe的layer层的类别，以及作用 通过proto定义与类Layer简要说明下Layer的核心成员变量; Layer类的核心成员函数 1. 类Layer overview caffe中的Layer主要分为如下几个模块： 输入层Data Layers Data Layers定义了caffe中网络的输入，依...

激活函数如:ReLu，Sigmoid等layer相对较为简单，所以在分析InnerProductLayer前，我们先看下激活函数层。 常见激活层ReLU的使用示例如下： layer { name: "relu1" type: "ReLU" bottom: "conv1" top: "conv1" } 我们可以看到bottom和

本文主要分析caffe inner_product_layer源码，主要内容如下： 结合使用以及proto定义介绍InnerProductLayer的参数; 简要分析Filler初始化，caffe中的layer参数，例如constant， gaussian; InnerProductLayer的函数 核心LayerSetUp参数初始化， Reshape， Forward_cpu以及矩阵...

caffe中有许多的layer,在net中创建连接layer是通过工厂模式的方式创建，而不是每一个new然后连接。在net.cpp中创建layer方式如下： layers_.push_back(LayerRegistry<Dtype>::CreateLayer(layer_param)); 下面简要分析下layer_factory template<typename Dtype...

对于输入层，我们首先分析最简单的InputLayer层，其常作为网络inference时的输入，简单的mnist使用示例如下： layer { name: "data" type: "Input" top: "data" input_param { shape: { dim: 1 dim: 1 dim: 28 dim: 28 } } } proto中相关的参数如下： // Sp...

BlockingQueue线程安全的队列， 作为caffe训练时数据同步的重要数据结构，本文做简要分析。 template<typename T> class BlockingQueue { public: explicit BlockingQueue(); void push(const T& t); bool try_pop(T* t);// n...

InternalThread封装自boost::thread的线程，主要用于多线程的数据获取(可以理解为solver前向传播的同时，后台线程继续获取下一个batch的数据集)： class InternalThread { public: InternalThread() : thread_() {} virtual ~InternalThread(); //Caffe's...

DataReader作为DataLayer的数据成员变量，以多线程的方式从数据库(如lmdb, hdf5)读取数据： class DataReader { public: explicit DataReader(const LayerParameter& param); ~DataReader(); inline BlockingQueue<Datum*&g...

DataLayer作为caffe训练时的数据层（以多线程的方式读取数据加速solver的训练过程），继承自BaseDataLayer/BasePrefetchingDataLayer。 template <typename Dtype> class BaseDataLayer : public Layer<Dtype> { public: explicit Base...

本文主要分析caffe中DataTransformer这个类, 主要作用是： 将Datum类型或者cv::Mat， 转化为caffe的Blob<Dtype>，并按照Transformation``Parameter参数对图像做处理，例如scale,mirro等 推断blob的shape proto定义如下： // Message that stores parameters...

本文主要分析下caffe的源码，io操作，以及数据库文件（如lmdb）读取。 例如，从prototxt读取网络初始化参数： NetParameter param; ReadNetParamsFromTextFileOrDie(path, &param); bool ReadProtoFromTextFile(const char *filename, Message *proto) { ...

本文主要分析caffe源码分析-Blob，主要如下几个方面： overview整体上了解caffe的Blob Blob 成员变量 Blob主要函数，核心在于Blob的使用实例以及其与opencv Mat的操作的相互转化(附带运行结果基于CLion) overview Blob 是Caffe作为数据传输的媒介，无论是网络权重参数，还是输入数据，都是转化为Blob数据结构来存储，网络，求解器...

本文主要分析caffe中Blob内存管理类SyncedMemory，主要内容包括： SyncedMemory和Blob的关系 SyncedMemory中的方法，如内存的分配、释放 SyncedMemory中内存的申请，是在数据访问时才分配而不是立马分配(通过enum SyncedHead状态实现) SyncedMemory和Blob的关系 Blob中的主要数据成员如下，实际是在Syn...

本文主要说明下，caffe源码分析过程中的cmake（结合IDE CLion）工程构建问题。在分析caffe源码的过程中，我没有仅仅只是看代码，而是： 自己从头构建一遍工程，这样能让我更好的了解大型的项目的构建。当然原始的caffe的构建感觉还是比较复杂(主要是cmake)，我这里仅仅使用cmake构建，而且简化点，当然最重要的是支持CLion直接运行调试。 从Blob文件开始从头开始复制每一...

http://www.cnblogs.com/neopenx/p/5248102.html 传统弱校HFUT的蒟蒻，其幕后身份是，大魔导师(=￣ω￣=)。字体发虚右转MacType。 从零开始山寨Caffe·陆：IO系统(一) 你说你学过操作系统这门课？写个无Bug的生产者和消费者模型试试！ 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　——你真的学好了操作系

http://einverne.github.io/post/2015/12/ffmpeg-first.html Posted on December 21, 2015 , Last modified on December 31, 2015 by Ein Verne | View revision history 那天需要将一段视频文件转成gif，偶遇ffmpeg，于是就

学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。 一、准备数据 有条件的同学，可以去imagenet的官网http://www.image-net.org/download-images，下载imagenet图片来训练。但是我没有下载，一个原因是注册账号的时候，验证码始终

http://www.cnblogs.com/denny402/p/5137534.html caffe团队用imagenet图片进行训练，迭代30多万次，训练出来一个model。这个model将图片分为1000类，应该是目前为止最好的图片分类model了。 假设我现在有一些自己的图片想进行分类，但样本量太小，可能只有几百张，而一般深度学习都要求样本量在1万以上，因此训练出来的

http://www.cnblogs.com/denny402/p/5073427.html 深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详

1.      Boost库：它是一个可移植、跨平台，提供源代码的C++库，作为标准库的后备。 在Caffe中用到的Boost头文件包括： (1)、shared_ptr.hpp：智能指针，使用它可以不需要考虑内存释放的问题； (2)、date_time/posix_time/posix_time.hpp：时间操作函数； (3)、Python.hpp：C++/Python互操

2015-08-16 / xiahouzuoxin Tags: CNN 转载请注明出处: http://xiahouzuoxin.github.io/notes/ 级别1：DL快速上手级别2：从Caffe着手实践级别3：读paper，网络Train起来级别4：Demo跑起来 读一些源码玩玩熟悉Caffe接口，写Demo这是硬功夫分析各层Layer输出特征 级别5：何不自己

作者：我爱机器学习 链接：https://zhuanlan.zhihu.com/p/22094600 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 CNN的发展史 上一篇回顾讲的是2006年Hinton他们的Science Paper，当时提到，2006年虽然Deep Learning的概念被提出来了，但是学术界的大家还是表示不服。当时有流传的段子

caffe训练网络模型一般直接使用的caffe.bin: caffe train -solver solver.prototxt，其实这个命令的本质也是调用c++的Solver. 本文给出使用纯c++代码，使用mnist数据+多层感知机网络，训练数字分类问题。然后用C++调用训练好的模型测试分类。 solver.prototxt文件内容如下： net: "/home/xy/caffe_analys...