2016年7月19日
caffe的python接口学习（8）：caffemodel中的参数及特征的抽取
摘要： 如果用公式 y=f(wx+b) 来表示整个运算过程的话，那么w和b就是我们需要训练的东西，w称为权值，在cnn中也可以叫做卷积核（filter），b是偏置项。f是激活函数，有sigmoid、relu等。x就是输入的数据。 数据训练完成后，保存的caffemodel里面，实际上就是各层的w和b值。 我 阅读全文
posted @ 2016-07-19 21:13 denny402 阅读(38049) 评论(33) 推荐(6)
caffe的python接口学习（7）：绘制loss和accuracy曲线
摘要： 使用python接口来运行caffe程序，主要的原因是python非常容易可视化。所以不推荐大家在命令行下面运行python程序。如果非要在命令行下面运行，还不如直接用 c++算了。 推荐使用jupyter notebook，spyder等工具来运行python代码，这样才和它的可视化完美结合起来。 阅读全文
posted @ 2016-07-19 20:11 denny402 阅读(23437) 评论(30) 推荐(1)
caffe的python接口学习（6）：用训练好的模型（caffemodel）来分类新的图片
摘要： 经过前面两篇博文的学习，我们已经训练好了一个caffemodel模型，并生成了一个deploy.prototxt文件，现在我们就利用这两个文件来对一个新的图片进行分类预测。 我们从mnist数据集的test集中随便找一张图片，用来进行实验。 最后输出 the class is : 5 分类正确。 如 阅读全文
posted @ 2016-07-19 19:05 denny402 阅读(43492) 评论(63) 推荐(6)
caffe的python接口学习（5）：生成deploy文件
摘要： 如果要把训练好的模型拿来测试新的图片，那必须得要一个deploy.prototxt文件，这个文件实际上和test.prototxt文件差不多，只是头尾不相同而也。deploy文件没有第一层数据输入层，也没有最后的Accuracy层，但最后多了一个Softmax概率层。 这里我们采用代码的方式来自动生 阅读全文
posted @ 2016-07-19 18:27 denny402 阅读(24619) 评论(17) 推荐(1)
caffe的python接口学习（4）：mnist实例---手写数字识别
摘要： 深度学习的第一个实例一般都是mnist，只要这个例子完全弄懂了，其它的就是举一反三的事了。由于篇幅原因，本文不具体介绍配置文件里面每个参数的具体函义，如果想弄明白的，请参看我以前的博文： 数据层及参数 视觉层及参数 solver配置文件及参数 一、数据准备 官网提供的mnist数据并不是图片，但我们 阅读全文
posted @ 2016-07-19 13:30 denny402 阅读(39403) 评论(35) 推荐(2)