caffe train:

1、Data预处理

2、定义网络(编辑 prototxt配置文件)

3、定义超参数(编辑 prototxt配置文件)

4、训练得到caffemodel

代码举例:以mobilefacenet为例:

name: "mobilefacenet"       \名字随意起
input: "data"                        \数据层
input_shape {
top: "data"                           \一般用bottom表示输入,top表示输出
top: "label"   
include{

phase : TRAIN              \include写了谁就说明此时的输入在何时用,如果没有include,则表示数据既在测试test中,又在训练train中

mean_file:                          \用一个配置文件来进行均值的操作

scale:data上每一个像素点都是0-255,将其归一化到【0-1】

mirror:代表数据增强:0/false代表开启,1/true代表关闭

crop_size:随机裁剪更小的区域,也属于数据增强

batch_size:每次批处理的个数

backend: LMDB  :选用数据的名称(LMDB、HDFS数据源)

不用数据源,直接用文件夹里的图片,就要将txt列出每个图片的路径


}

layer {
    bottom: "data"
    top: "conv_1_conv2d"
    name: "conv_1_conv2d"
    type: "Convolution"
    convolution_param {
        num_output:  64              \卷积核(filter)的个数
        kernel_size: 3                  \卷积核的大小
        pad: 1                              \扩充边缘,0为不扩充
        stride: 2                           \步长
        bias_term: false

卷积层中lr_mult:控制当前层的学习率,一般偏置顶的学习率是权值学习率的两倍。

w(权值)和b(偏置项)初始化


    }
}

激活函数:Relu(一般和卷积层连在一起)

layer {
  bottom: "conv_1_batchnorm"
  top: "conv_1_relu"
  name: "conv_1_relu"
  type: "PReLU"
}

全连接层:将之前提取的特征总结一下,变成向量形式

loss和softmax

reshap层

dim=0是不变的

dim=-1是自动推断大小

dropout:在前向传播或者反向传播时,杀死一些神经元防止过拟合

参数dropout_ratio是杀死多少百分比

caffe框架学习(layer)相关推荐

  1. Caffe使用step by step:caffe框架下的基本操作和分析

    Caffe使用step by step:caffe框架下的基本操作和分析 时间:2015-10-16 11:40:09      阅读:808      评论:0      收藏:0      [点我 ...

  2. 人工智能深度学习Caffe框架介绍,优秀的深度学习架构

    在深度学习领域,Caffe框架是人们无法绕过的一座山.这不仅是因为它无论在结构.性能上,还是在代码质量上,都称得上一款十分出色的开源框架.更重要的是,它将深度学习的每一个细节都原原本本地展现出来,大大 ...

  3. Caffe深度学习框架上手教程

    Caffe是一个清晰而高效的深度学习框架,本文详细介绍了caffe的优势.架构,网络定义.各层定义,Caffe的安装与配置,解读了Caffe实现的图像分类模型AlexNet,并演示了CIFAR-10在 ...

  4. Caffe 深度学习框架上手教程

    转载自: Caffe 深度学习框架上手教程 - OPEN 开发经验库 http://www.open-open.com/lib/view/open1421995285109.html 阅读目录 Caf ...

  5. 【机器学习PAI实践十】深度学习Caffe框架实现图像分类的模型训练

    背景 我们在之前的文章中介绍过如何通过PAI内置的TensorFlow框架实验基于Cifar10的图像分类,文章链接:https://yq.aliyun.com/articles/72841.使用Te ...

  6. PyTorch框架学习十八——Layer Normalization、Instance Normalization、Group Normalization

    PyTorch框架学习十八--Layer Normalization.Instance Normalization.Group Normalization 一.为什么要标准化? 二.BN.LN.IN. ...

  7. [caffe]深度学习之图像分类模型VGG解读

    一.简单介绍 vgg和googlenet是2014年imagenet竞赛的双雄,这两类模型结构有一个共同特点是go deeper.跟googlenet不同的是.vgg继承了lenet以及alexnet ...

  8. caffe 框架梳理(待续)

    本文更多资料来源于罗韵北京深度学习资料和Ian Goodfellow的书籍<Deep Learning> 链接: http://pan.baidu.com/s/1jIRJ6mU 提取密码: ...

  9. Caffe 增加自定义 Layer 及其 ProtoBuffer 参数

    转载自:http://blog.csdn.net/kkk584520/article/details/52721838 http://blog.csdn.net/kkk584520 博客内容基于新书& ...

  10. [caffe]深度学习之CNN检测object detection方法摘要介绍

    [caffe]深度学习之CNN检测object detection方法摘要介绍  2015-08-17 17:44 3276人阅读 评论(1) 收藏 举报 一两年cnn在检测这块的发展突飞猛进,下面详 ...

最新文章

  1. embedding层和全连接层的区别是什么 一般说embedding层,实现方式就是一个没有bias的fc层
  2. 国家“十三五”重点出版规划获批
  3. 迁移到阿里云后,NTKO控件报存word 报文件存取错误,请检查网络传输。
  4. 成功解决h5py\_init_.py:26:FutureWarning: Conversion of the second argument of issubdtype from `float` to
  5. 新建文件的UID和GID
  6. linux强制删除后登录不了,【已解决】更新之后无法登录
  7. LeetCode 525 连续数组/剑指 Offer II 011. 0 和 1 个数相同的子数组
  8. 工业机器人演示码垛和卸垛_「成果播报」流水线上的“专家”——智能拆垛装车机器人系统...
  9. ISO9000 质量管理和质量保证系列国际标准
  10. 车牌号识别依托OCR文字识别核心
  11. duilib设计器 DuiEditor简易教程 (DuiDesigner) (一)
  12. ★Kali信息收集★8.Nmap :端口扫描
  13. excel将柱状图的柱宽减为直线的方法 作x轴垂线的方法
  14. 论文查重时图片会不会被检测?
  15. Java super关键字详解
  16. (keras自学排雷)Layer lstm will not use cuDNN kernel
  17. 软考信息系统项目管理师论文写作技巧总结
  18. 高德地图聚合android,GitHub - lingyanluoxue/android-togetherMap: 实现高德地图的marker聚合功能...
  19. 复旦微电子fpga数据手册_专注FPGA图像加速领域 深维科技跨入发展快车道
  20. HCIE安全笔试-H12-731 V2.0 判断题争议辨析

热门文章

  1. VS软件设置中的宏定义
  2. rtk采点后如何导入cad_SMT贴片机是如何编程的
  3. dc持久内存与mysql_英特尔傲腾数据中心级持久内存的五大用例
  4. 串口通讯---实现 PC 端之间串口连接传输文件
  5. spring源码解析——@Component注解原理
  6. Java 线程的七种状态
  7. BorisFX Sapphire 2019 for OFX Mac使用教程
  8. word 论文公式编号快捷方法
  9. Python Thinker GUI的组件的简单总结
  10. python抓包库_python抓包_python 抓包_python 抓包库 - 云+社区 - 腾讯云