会员
周边
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
木易修的博K
练内功。。。
博客园
首页
新随笔
联系
订阅
管理
上一页
1
2
3
4
5
6
7
8
9
下一页
2018年1月30日
gdb调试caffe工程
摘要: 环境:UBUNTU 16.04 CMake caffe 1.0.0-rc3 1.首先编译caffe为debug版本: 在caffe根目录下编辑CMakeFileList.txt,加入如下几行: 重新cmake, $cmake -DCMAKE_BUILD_TYPE=Debug .. (也可以不加,在C
阅读全文
posted @ 2018-01-30 22:05 木易修
阅读(627)
评论(0)
推荐(1)
2018年1月27日
神经网络调参经验
摘要: /*****************************************************************************************************************************************************
阅读全文
posted @ 2018-01-27 13:24 木易修
阅读(454)
评论(0)
推荐(0)
BatchNorm layer设定
摘要: N层的设定一般是按照conv->bn->scale->relu的顺序来形成一个block。 关于bn,有一个注意点,caffe实现中的use_global_stats参数在训练时设置为false,测试时设置为true。 因为在训练时bn作用的对象是一个batch_size,而不是整个训练集,如果没有
阅读全文
posted @ 2018-01-27 13:15 木易修
阅读(230)
评论(0)
推荐(0)
2018年1月19日
git命令
摘要: 删除错误添加到暂存区的文件 git rm --cache xxx 或git reset xxx
阅读全文
posted @ 2018-01-19 18:36 木易修
阅读(143)
评论(0)
推荐(0)
Git删除暂存区或版本库中的文件
摘要: 转自https://www.cnblogs.com/cposture/p/git.html 0 基础 我们知道Git有三大区(工作区、暂存区、版本库)以及几个状态(untracked、unstaged、uncommited),下面只是简述下Git的大概工作流程,详细的可以参见本博客的其他有关Git的
阅读全文
posted @ 2018-01-19 17:52 木易修
阅读(6724)
评论(1)
推荐(2)
2018年1月18日
Caffe学习系列(8):solver优化方法
摘要: 转自https://www.cnblogs.com/denny402/p/5074212.html 上文提到,到目前为止,caffe总共提供了六种优化方法: Stochastic Gradient Descent (type: "SGD"), AdaDelta (type: "AdaDelta"),
阅读全文
posted @ 2018-01-18 16:17 木易修
阅读(347)
评论(0)
推荐(0)
深度学习参数调优杂记+caffe训练时的问题+dropout/batch Normalization
摘要: 转自https://www.cnblogs.com/maohai/p/6453417.html 一、深度学习中常用的调节参数 本节为笔者上课笔记(CDA深度学习实战课程第一期) 1、学习率 步长的选择:你走的距离长短,越短当然不会错过,但是耗时间。步长的选择比较麻烦。步长越小,越容易得到局部最优化(
阅读全文
posted @ 2018-01-18 14:33 木易修
阅读(1179)
评论(0)
推荐(0)
2018年1月15日
caffe参数详解
摘要: 转自http://blog.csdn.net/qq_14845119/article/details/54929389 solver.prototxt net:训练预测的网络描述文件,train_test.prototxt test_initialization:取值为true或者false,默认为
阅读全文
posted @ 2018-01-15 15:07 木易修
阅读(592)
评论(0)
推荐(0)
2018年1月13日
Alex / OverFeat / VGG 中的卷积参数
摘要: 研究需要,统计了一些经典CNN结构的卷积层参数。 Alexnet Krizhevsky, Alex, Ilya Sutskever, and Geoffrey E. Hinton. “Imagenet classification with deep convolutional neural net
阅读全文
posted @ 2018-01-13 17:36 木易修
阅读(332)
评论(0)
推荐(0)
2017年12月25日
使用caffe训练时Loss变为nan的原因总结
摘要: 梯度爆炸 原因:梯度变得非常大,使得学习过程难以继续 现象:观察log,注意每一轮迭代后的loss。loss随着每轮迭代越来越大,最终超过了浮点型表示的范围,就变成了NaN。 措施: 1. 减小solver.prototxt中的base_lr,至少减小一个数量级。如果有多个loss layer,需要
阅读全文
posted @ 2017-12-25 21:47 木易修
阅读(2584)
评论(0)
推荐(0)
上一页
1
2
3
4
5
6
7
8
9
下一页
公告