1 引言 1-1 以example_mnist为例，如何加载属于自己的测试集？ 首先抛出一个问题：在example_mnist这个例子中，测试集是人家给好了的。那么如果我们想自己试着手写几个数字然后验证识别效果又当如何呢？ 观察CAFFE_ROOT/examples/mnist/下的lenet_tr ...
分类：
数据库 时间：
2016-05-13 12:18:38
阅读次数：
18098
<span style="font-family:宋体;mso-ascii-font-family:Cambria;
mso-ascii-theme-font:minor-latin;mso-fareast-font-family:宋体;mso-fareast-theme-font:
minor-fareast;mso-hansi-font-family:Cambria;mso-hansi-the...
分类：
Web程序 时间：
2016-05-13 02:03:40
阅读次数：
432
0、参考文献 [1]caffe官网《Training LeNet on MNIST with Caffe》; [2]薛开宇《读书笔记4学习搭建自己的网络MNIST在caffe上进行训练与学习》（[1]的翻译版，同时还有作者的一些注解，很赞）; 1、*.sh文件如何执行？ ①方法一：有sh后缀名的是l ...
分类：
其他好文 时间：
2016-05-08 11:48:42
阅读次数：
266
本文地址：
本部分剖析Caffe中Net::Forward()函数，即前向计算过程。从LeNet网络角度出发，且调式网络为测试网络（区别为训练网络），具体网络层信息见（Caffe，LeNet）初始化测试网络（四） 1 入口信息通过如下的调用堆栈信息可以定位到函数ForwardFromTo(其他函数中无重要信息)caffe::Net::ForwardFromTo() at net.cpp...
分类：
Web程序 时间：
2016-05-07 09:18:21
阅读次数：
405
LeNet网络是Yann leCun在1989年提出的一个经典CNN网络，主要用于手写字体的识别，准确率可以达到99%以上。这里采用caffe的python接口进行训练，包括对网络的定义、训练参数的定义、观察卷积效果和卷积核、记录损失函数和测试精度并绘制相关图形。#采用caffe的python接口进行lenet经典网络训练
#第一步，加载相关模块
from pylab import *
#在note...
分类：
Web程序 时间：
2016-05-05 13:01:59
阅读次数：
399
卷积网络 卷积网络用三种结构来确保移位、尺度和旋转不变：局部感知野、权值共享和时间或空间降采样。典型的leNet-5如下图所示： C1中每个特征图的每个单元和输入的25个点相连，这个5*5的区域被称为感知野。特征图的每个单元共享25个权值和一个偏置。其他特征图使用不同的权值（卷积枋），因 此可以得到 ...
分类：
移动开发 时间：
2016-04-23 16:35:29
阅读次数：
372
之前的博文中已经将卷积层、下采样层进行了分析，在这篇博文中我们对最后一个顶层层结构fully_connected_layer类（全连接层）进行分析： 一、卷积神经网路中的全连接层 在卷积神经网络中全连接层位于网络模型的最后部分，负责对网络最终输出的特征进行分类预测，得出分类结果： LeNet-5模型中的全连接层分为全连接和高斯连接，该层的最终输出结果即为预测标签，例如这里我们需要对MNIST...
分类：
编程语言 时间：
2016-03-16 09:44:01
阅读次数：
1074
office组件中的viso是一款十分强大的画图工具，在绘制流程图、结构框图时显得十分方便，这里将我自己绘制的一些viso图（大部分都是用在我自己的论文中的）与大家分享一把。 1、深度学习训练流程图 这个框图表示深度学习训练的基本流程，这里面是以基于bp算法的卷积神经网络为例的。 2、LeNet-5
分类：
其他好文 时间：
2016-03-01 22:35:03
阅读次数：
585
原文地址：http://blog.csdn.net/hjimce/article/details/47323463
作者：hjimce
卷积神经网络算法是n年前就有的算法，只是近年来因为深度学习相关算法为多层网络的训练提供了新方法，然后现在电脑的计算能力已非当年的那种计算水平，同时现在的训练数据很多，于是神经网络的相关算法又重新火了起来，因此卷积神经网络就又活了起来，再开始前，我们需要...
分类：
Web程序 时间：
2016-01-29 12:28:50
阅读次数：
236
要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如D...
分类：
其他好文 时间：
2015-12-23 19:44:48
阅读次数：
233
