个人学习笔记

学习整理:梯度下降(Gradient Descent)

少于 1 分钟阅读

概念 参考链接:Intro to optimization in deep learning: Gradient Descent 概念 只有2个权值的情况下,理想的损失函数模型如下:

caffe源码阅读

7 分钟阅读

一、caffe::Net 1、NetParameter定义 一、caffe::Net 1、NetParameter定义 其中DEPRECATED已经去除 message NetParameter { optional string name = 1; // consider giving the network a name optional bool force_backward = 5 [default = false]; optional NetState state = 6; optional bool debug_info = 7 [default = false]; repeated LayerParameter layer = 100; // ID 100 so layers are printed last. }

VMware使用

少于 1 分钟阅读

一、如何扩展磁盘容量 一、如何扩展磁盘容量 在虚拟机系统下电后,选择编辑虚拟机设置->硬盘->扩展 启动虚拟机系统后执行sudo gparted,然后进行配置 1)linux-swap配置为swap off,然后delete 2)extended区域delete 3)ext4区域resize,预留4GB空间 4)unallocated区域,new->Extended Partition,然后再new->linux-swap 5)选√ 6)linux-swap区域选为swap on,然后记录下linux-swap区域的uuid sudo gedit /etc/fstab,替换swap的uuid 执行sudo swapoff -a,sudo swapon -a 执行reboot,重启系统

序列化之FlatBuffers

7 分钟阅读

一、基本说明 一、基本说明 源码:FlatBuffers 指南:FlatBuffers Programmer’s Guide 结构定义文件为.fbs,注释使用//,可以使用include "my.fbs"嵌套包含文件 可以理解为轻量级的protobuf,不会依赖library,但是编码会复杂一些 FlatBuffers的特点是先构造成员,再构造父结点;与protobuf相反

tensorflow的模型设计

3 分钟阅读

一、简单模型设计 一、简单模型设计 如下模型( 参见:神经网络反向推导 )

tensorflow的基础使用

18 分钟阅读

一、图 graph 一、图 graph tensorflow是基于graph的并行计算架构。graph是静态的,构建gragh并不会运行。需要启动一个session,运行graph。比如a=(b+c)*(c+2) 的graph如下:(其中b+c 和 c+2是并行的)

Dockerfile的使用

6 分钟阅读

指令说明 FROM 指令说明 FROM 制定所创建镜像的基础镜像,如果本地不存在,则默认会去Docker Hub下载指定镜像。格式为FROM<image>,或FROM<image>:<tag>,或FROM<image>@<digest>。 注意:任何Dockerfile中的第一条指令必须为FROM指令,并且,如果在同一个Dockerfile中创建多个镜像,可以使用多个FROM指令(每个镜像一次)。比如: FROM centos FROM centos:latest

docker的使用

8 分钟阅读

一、安装和配置 一、安装和配置 安装docker sudo apt-get install docker-io 配置用户组 sudo usermod -aG docker USER_NAME :避免每次使用特权身份,重新登录生效 查看docker信息 docker info 启动和关闭docker服务 sudo service docker restart : 重启docker服务 sudo service docker stop : 关闭docker服务

caffe如何使用训练好的模型

7 分钟阅读

一、需要的文件 一、需要的文件 经过caffe训练后,通常需要使用4种文件: 模型配置文件,比如lenet.prototxt,内容类似如下: name: "LeNet" layer { name: "data" type: "Input" top: "data" input_param { shape: { dim: 64 dim: 1 dim: 28 dim: 28 } } } layer { name: "conv1" type: "Convolution" bottom: "data" top: "conv1" ...... 注意它与lenet_train.prototxt的区别,主要是输入替换,和weight_filler和bias_filler删除等 模型文件,比如lenet_10000.caffemodel 均值文件,比如mean.binaryproto 标签文件,比如name.labels,内容如下: thing matter object atmospheric phenomenon body part body of water head hair ......

caffe如何解析数据库

9 分钟阅读

一、convert_imageset 一、convert_imageset 使用caffe中的convert_imageset工具可以将原始图片转换成LevelDB或者Lmdb格式。转换方法如下: $ convert_imageset [FLAGS] ROOTFOLDER/ LISTFILE DB_NAME

caffe的基础使用

6 分钟阅读

一、环境搭建 1、安装依赖库 一、环境搭建 1、安装依赖库 $ sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler $ sudo apt-get install --no-install-recommends libboost-all-dev $ sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev $ sudo apt-get install libatlas-base-dev $ sudo apt-get install python-dev

序列化之protobuf

7 分钟阅读

一、基本说明 一、基本说明 源码:protobuf 指南:Protocol Buffer Basics: C++ 结构定义文件为.proto,可以使用import包含另一个.proto文件,注释使用// 配置文件为.prototxt, 根据.proto的结构配置数据信息