工厂模式-CaffeNet训练

参考链接：http://blog.csdn.net/lingerlanlan/article/details/32329761

RNN神经网络：http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/detection.ipynb

官方链接：http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/classification.ipynb

参考链接：http://suanfazu.com/t/caffe-shen-du-xue-xi-kuang-jia-shang-shou-jiao-cheng/281/3

模型定义中有一点比较容易被误解，信号在有向图中是自下而上流动的，并不是自上而下。

层的结构定义如下：

1 name:层名称 2 type:层类型 3 top:出口 4 bottom:入口

Each layer type defines three critical computations: setup, forward, andbackward.

Setup: initialize the layer and its connections once at model initialization.
Forward: given input from bottom compute the output and send to the top.
Backward: given the gradient w.r.t. the top output compute the gradient w.r.t. to the input and send to the bottom. A layer with parameters computes the gradient w.r.t. to its parameters and stores it internally.

/home/wishchin/caffe-master/examples/hdf5_classification/train_val2.prototxt

name: "LogisticRegressionNet"
layer {name: "data"type: "HDF5Data"top: "data"top: "label"include {phase: TRAIN}hdf5_data_param {source: "hdf5_classification/data/train.txt"batch_size: 10}
}
layer {name: "data"type: "HDF5Data"top: "data"top: "label"include {phase: TEST}hdf5_data_param {source: "hdf5_classification/data/test.txt"batch_size: 10}
}
layer {name: "fc1"type: "InnerProduct"bottom: "data"top: "fc1"param {lr_mult: 1decay_mult: 1}param {lr_mult: 2decay_mult: 0}inner_product_param {num_output: 40weight_filler {type: "gaussian"std: 0.01}bias_filler {type: "constant"value: 0}}
}
layer {name: "relu1"type: "ReLU"bottom: "fc1"top: "fc1"
}
layer {name: "fc2"type: "InnerProduct"bottom: "fc1"top: "fc2"param {lr_mult: 1decay_mult: 1}param {lr_mult: 2decay_mult: 0}inner_product_param {num_output: 2weight_filler {type: "gaussian"std: 0.01}bias_filler {type: "constant"value: 0}}
}
layer {name: "loss"type: "SoftmaxWithLoss"bottom: "fc2"bottom: "label"top: "loss"
}
layer {name: "accuracy"type: "Accuracy"bottom: "fc2"bottom: "label"top: "accuracy"include {phase: TEST}
}

关于参数与结果的关系：多次训练效果一直在0.7，后来改动了全链接层的初始化参数。高斯分布的标准差由0.001改为0.0001，就是调小了。我的结果有点相似。

工厂模式-CaffeNet训练相关推荐

装机主板抽象工厂模式(Abstract Factory)
每日一贴,今天的内容关键字为装机主板 @@@模式定义: 提供一个创立一系列相干或互相依赖对象的接口,而无需指定它们具体的类. @@@训练示例: 选择组装电脑的配件. @@@示例代码: src\comp ...
设计模式---创建型模式（工厂模式、抽象工厂模式、单例模式、建造者模式、原型模式）
对设计模式出于学习阶段没有啥高深的见解,本文主要讲的是自己的感悟与在自己实践中可能用到的地方,后续会有自己项目中的总结,全面学习还是进链接里,我就不赘述啦工厂模式文章链接:工厂模式. 个人理解: ...
【Spring】工厂模式解耦
问题: 程序的耦合耦合:程序间的依赖关系包括:类之间的依赖方法之间的依赖解耦:降低程序之间的耦合关系实际开发:编译期不依赖,运行期才依赖解耦思路: ...
GOF23设计模式（创建型模式）工厂模式
目录: 一:工厂模式的核心本质二:关于面向对象的六大基本原则三:工厂模式的三大类详解(代码示例,详细分析) 首先,上咱本GOF23所有工厂模式的分类表格!!! 创建型模式单例模式.工厂模式.抽象 ...
大话设计模式之简单的工厂模式
第一章:代码无错就是优-简单的工厂模式先建立一个计算类Operation Operation.h文件 @interface Operation : NSObject@property(nonatom ...
设计模式之简单工厂模式
一.概述工厂模式具体包括了简单工厂.工厂方法.抽象工厂,它们是按照从简单到复杂的顺序排列的,属于设计模式中的创建型,其中简单工厂并不属于GOF的23中模式. 但是它是理解其它的工厂模式的一个很好 ...
基础设计模式：单例模式+工厂模式+注册树模式
单例模式: 通过提供自身共享实例的访问,单例设计模式用于限制特定对象只能被创建一次. 使用场景: 一般数据库实例都会用单例模式实现: 单例设计模式就是要一个类只能实例化一个对象. 要想让一个类只能实 ...
抽象工厂模式 java实例 tclhaier_Unity常用的设计模式_工厂模式系列之抽象工厂模式...
在工厂方法模式中,工厂只负责生产具体的产品,每一个具体的工厂对应着一个具体的产品,工厂方法也具有唯一性,如果有时候我们需要一个工厂方法提供多个产品而不是一个单一的产品,例如:海尔品牌不止生产海尔TV, ...
getinstance方法详解_二、设计模式总览及工厂模式详解
二.架构师内功心法之设计模式 2.架构师内功心法之设计模式 2.1.课程目标 1.通过对本章内容的学习,了解设计模式的由来. 2.介绍设计模式能帮我们解决哪些问题. 3.剖析工厂模式的历史由来及应用场 ...

工厂模式-CaffeNet训练

工厂模式-CaffeNet训练相关推荐

最新文章

热门文章