-
Caffe中的基本概念
查看全部 -
caffe2可以在ios、android系统和树莓上训练和部署模型
查看全部 -
caffe2可以在ios、android系统和树莓上训练和部署模型
查看全部 -
caffe2可以在ios、android系统和树莓上训练和部署模型
查看全部 -
框架对比。
查看全部 -
红色表示卷积层
查看全部 -
本课程大纲查看全部
-
在线caffe网络可视化工具
http://ethereon.github.io/netscope/#/editor
查看全部 -
depthwise+pointwise 深度可分离卷积,减少卷积核参数
空洞卷积 多用于语义分离
查看全部 -
参数共享,通过对name进行相同赋值
如不同的两个卷积层中的w和b对应name相同,则这两个层的参数就实现共享
查看全部 -
迁移学习
-weight 加载预训练模型
查看全部 -
caffe特殊层添加
查看全部 -
layer定义规范
查看全部 -
caffe中各种标准层
查看全部 -
deploy.prototxt
只对网络前向传播进行测试,也不会输入数据,不会计算loss
查看全部 -
caffe配置文件
solver.prototxt 配置模型训练的超参数
train_val.prototxt 训练网络
deploy.prototxt 测试网络
查看全部 -
caffe源码解读
添加新的网络结构时候,需要在src/caffe的各个子文件夹下进行修改
test:用gtest测试caffe的代码
util:数据转换
proto:网络的数据配置文件,添加网络需要在此文件中添加相应配置,并添加.hpp和.cpp到include和src中
layers:定义layer的前向和反向计算方法
solvers:定义并实现一系列loss优化算法,如SGD,Adam
查看全部 -
继续编译pycaffe,命令为make pycaffe,可得到python接口,能在python中调用caffe
将pycaffe路径添加到环境变量
查看全部 -
修改makefile
编译caffe可能出现的bug
查看全部 -
caffe(linux) 安装第三方依赖库
查看全部
举报