Caffe中的基本概念

caffe2可以在ios、android系统和树莓上训练和部署模型

caffe2可以在ios、android系统和树莓上训练和部署模型

caffe2可以在ios、android系统和树莓上训练和部署模型

框架对比。

红色表示卷积层

在线caffe网络可视化工具

http://ethereon.github.io/netscope/#/editor

depthwise+pointwise 深度可分离卷积,减少卷积核参数

空洞卷积 多用于语义分离

参数共享,通过对name进行相同赋值

如不同的两个卷积层中的w和b对应name相同,则这两个层的参数就实现共享

迁移学习

-weight 加载预训练模型

caffe特殊层添加

layer定义规范

caffe中各种标准层

deploy.prototxt

只对网络前向传播进行测试,也不会输入数据,不会计算loss

caffe配置文件

solver.prototxt 配置模型训练的超参数

train_val.prototxt 训练网络

deploy.prototxt 测试网络

caffe源码解读

添加新的网络结构时候,需要在src/caffe的各个子文件夹下进行修改

test:用gtest测试caffe的代码

util:数据转换

proto:网络的数据配置文件,添加网络需要在此文件中添加相应配置,并添加.hpp和.cpp到include和src中

layers:定义layer的前向和反向计算方法

solvers:定义并实现一系列loss优化算法,如SGD,Adam

继续编译pycaffe,命令为make pycaffe,可得到python接口,能在python中调用caffe

将pycaffe路径添加到环境变量

修改makefile

编译caffe可能出现的bug

caffe(linux) 安装第三方依赖库

Caffe中基本概念:

blob (n, k, w, h)

layer 初始化网络参数,前向传播,后向传播

net 无回路 layer构建连接的 有向图

solver 创建训练网络和测试网络,周期性的测试网络,调用前向(计算输出和损失)和反向函数(计算梯度)进行迭代优化和参数更新

初始化过程包括:

初始化blob数据结构

调用layers的setup函数来初始化layers

。。。。。。。。。

Caffe中的基本概念

深度学习标准层在caffe中定义

Caffe中的基本概念

Caffe中的基本概念

Caffe中的基本概念

Caffe中的基本概念

Caffe中的基本概念

Caffe VS Caffe2