-
Caffe中的基本概念
查看全部 -
caffe2可以在ios、android系統和樹莓上訓練和部署模型
查看全部 -
caffe2可以在ios、android系統和樹莓上訓練和部署模型
查看全部 -
caffe2可以在ios、android系統和樹莓上訓練和部署模型
查看全部 -
框架對比。
查看全部 -
紅色表示卷積層
查看全部 -
本課程大綱查看全部
-
在線caffe網絡可視化工具
http://ethereon.github.io/netscope/#/editor
查看全部 -
depthwise+pointwise 深度可分離卷積,減少卷積核參數
空洞卷積 多用于語義分離
查看全部 -
參數共享,通過對name進行相同賦值
如不同的兩個卷積層中的w和b對應name相同,則這兩個層的參數就實現共享
查看全部 -
遷移學習
-weight 加載預訓練模型
查看全部 -
caffe特殊層添加
查看全部 -
layer定義規范
查看全部 -
caffe中各種標準層
查看全部 -
deploy.prototxt
只對網絡前向傳播進行測試,也不會輸入數據,不會計算loss
查看全部 -
caffe配置文件
solver.prototxt 配置模型訓練的超參數
train_val.prototxt 訓練網絡
deploy.prototxt 測試網絡
查看全部 -
caffe源碼解讀
添加新的網絡結構時候,需要在src/caffe的各個子文件夾下進行修改
test:用gtest測試caffe的代碼
util:數據轉換
proto:網絡的數據配置文件,添加網絡需要在此文件中添加相應配置,并添加.hpp和.cpp到include和src中
layers:定義layer的前向和反向計算方法
solvers:定義并實現一系列loss優化算法,如SGD,Adam
查看全部 -
繼續編譯pycaffe,命令為make pycaffe,可得到python接口,能在python中調用caffe
將pycaffe路徑添加到環境變量
查看全部 -
修改makefile
編譯caffe可能出現的bug
查看全部 -
caffe(linux) 安裝第三方依賴庫
查看全部
舉報