摘要：
记录在unbantu14.04， caffe框架下对MobileNet的自有数据集fine tune。 首先git clone一下caffe版本的mobilenet https://github.com/shicai/MobileNet-Caffe.git 然后把deploy.prototxt文件修 阅读全文
posted @ 2018-09-10 19:17
InsistPy
阅读(1691)
评论(1)
推荐(0)
摘要：
SSD就不多介绍了，是今年非常流行的Object detection 模型：对各大数据集的测试结果如下表。 首先要git weiliu版本的caffe 然后在unbantu上对caffe进行配置，百度一下教程 首先要准备VGG16 的模型without fc layer 的版本，下载地址:https 阅读全文
posted @ 2018-09-08 17:52
InsistPy
阅读(892)
评论(0)
推荐(0)
摘要：
对应之前的tensorflow的optimizor，再次回顾一下，solver就是使得loss最小化的方法。，对于一个数据集，我们需要优化的目标函数是整个数据集中所有数据loss的平均值。 其中，fW(x(i))计算的是数据x(i)上的loss, 先将每个单独的样本x的loss求出来，然后求和，最后 阅读全文
posted @ 2018-09-04 14:23
InsistPy
阅读(317)
评论(0)
推荐(0)
摘要：
Blob，layer Net， solver配置文件的编写 blob: 数据节点，4维数组:num, channel, width, height,相当于 一个tensor， n个tensor组成, n deminsional 矩阵。 在一个卷积层中，输入一张3通道图片，有96个卷积核，每个核大小为 阅读全文
posted @ 2018-09-04 14:10
InsistPy
阅读(257)
评论(0)
推荐(0)
摘要：
继续layer的学习。 cafee中的卷积层: param：只有一个为权重的学习率，两个的话第二个为bias的学习率，最终的学习率需要这个数乘以solver.prototxt配置文件中的base_lr。 num_output:卷积核个数 kernel_size": filter size,如果 h 阅读全文
posted @ 2018-09-04 11:30
InsistPy
阅读(261)
评论(0)
推荐(0)
摘要：
在深度学习零率，caffe是一个非常高效的的图像处理框架，结合了nvidia的cuda，cudnn加速技术，非常适合进行AI CNN方向的图像分类，回归，分割等。 但是由于caffe的教程较少，而且配置比较复杂，可能用的人没有tf那么广泛。 昨天在Ubantu14.04上配置了caffe, CUDA 阅读全文
posted @ 2018-09-04 10:41
InsistPy
阅读(370)
评论(0)
推荐(0)
摘要：
GoogleNet的发展 Inception V1： Inception V1中精心设计的Inception Module提高了参数的利用率；nception V1去除了模型最后的全连接层，用全局平均池化层(将图片尺寸变为1x1)，在先前的网络中，全连接层占据了网络的大部分参数，很容易产生过拟合现象 阅读全文
posted @ 2018-08-24 21:56
InsistPy
阅读(1138)
评论(0)
推荐(0)
摘要：
构建更多训练数据 阅读全文
posted @ 2018-08-22 16:54
InsistPy
阅读(439)
评论(0)
推荐(0)
摘要：
在设计卷积神经网络架构时，有时候想压缩input的width 和 height，通常的做法便是 加一层pooling layer。 但是第三维的信息，有时候过多，而且过于复杂，这时候就要用到1x1xchannel的filter了。 如图： 1X1x192的filter相当于对图片的某一个像素点进行神 阅读全文
posted @ 2018-08-22 15:43
InsistPy
阅读(520)
评论(0)
推荐(0)
摘要：
optimizer是在训练中，运用到的训练方法，最常用的是梯度下降法，去寻找最优loss，tf中常见的optimizer有： 通过Dr.Sebastian Ruder 的论文An overview of gradient descent optimization algorithms来详细了解一些优 阅读全文
posted @ 2018-08-21 12:25
InsistPy
阅读(740)
评论(0)
推荐(0)
浙公网安备 33010602011771号