原创 Ubuntu14.04 安裝 Caffe

1、安裝依賴包 sudo apt-get install build-essential git vim cmake libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev

原创 Linux下Caffe如何調試

Caffe也算是一個代碼量比較大的工程,閱讀代碼過程進行調試有助於我們理解代碼。 1、編譯debug模式的Caffe 首先要先將Caffe編譯成debug模式,即需要將Makefile.config中"DEBUG := 1"前面的註釋去掉

原创 MXnet:Traceback (most recent call last): File "run.py", line 9, in from skimage.restoration

使用MXnet中的neural art時,運行“python run.py --content-image input/IMG_4343.jpg --style-image input/starry_night.jpg”指令時出現如下錯誤

原创 Caffe中Mnist的訓練日誌解讀

Lenet的網絡結構圖如下: Mnist的訓練日誌如下(其中max_iter設爲3,使用CPU模式) I0223 14:55:42.870805  6406 caffe.cpp:178] Use CPU.//使用CPU模式 I

原创 Caffe下python環境的編譯和使用draw_net.py繪製lenet網絡結構圖

1、安裝python所需的依賴包     (1)sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook pytho

原创 MXNet:Execution Engine

Execution Engine MXNet 的執行引擎不僅僅是爲了深度學習和其他任何特定的領域問題. 相反地, 它設計用來解決通用問題: 根據依賴關係來執行一系列的功能操作. 有依賴關係的任意兩個功能需要被序列化. 沒有依賴的功

原创 DistBelief 框架下的並行隨機梯度下降法 - Downpour SGD

本文是讀完 Jeffrey Dean, Greg S. Corrado 等人的文章 Large Scale Distributed Deep Networks (2012) 後的一則讀書筆記,重點介紹在 Google 的軟件框架

原创 [LeetCode] 7. Reverse Integer

1、題目: Reverse digits of an integer. Example1: x = 123, return 321 Example2: x = -123, return -321 2、解決方法: (1)利用to_strin

原创 MXNet: Dependency Engine

Table of Contents 1. 基本背景知識2. Op3. Var 3.1. 類圖3.2. 理解Var的隊列3.3. 添加讀依賴3.4. 添加寫依賴3.5. 讀依賴完成3.6. 寫依賴完成4. Engine 4.1. 總

原创 Ubuntu節點的萬兆網搭建

之前用千兆網跑MXNet的分佈式,由於訓練數據量比較大並且通信比較頻繁,網絡通信開銷太大,訓練速度非常慢,正好實驗室有閒置的萬兆網設備(萬兆網卡、萬兆交換機),因此打算給各個工作節點配上萬兆網卡(Chelsio T310),並共同接入萬兆

原创 [LeetCode] 6. ZigZag Conversion

#include <iostream> #include <string> #include <vector> using namespace std; class Solution { public: string convert(

原创 [CUDA實戰] 第一個樣例程序

這兩天開始看《GPU高性能編程CUDA實戰》這本書,學到的東西稍稍在博客做個記錄。 使用cuda c編程的話,當然首先需要有個支持cuda的gpu,市面上很多gpu都已經支持cuda,之後需要爲gpu安裝cuda驅動程序,我使用的是ub

原创 MXNet系統上ilsvrc12數據集的製作與inception-bn網絡的訓練

MXNet系統推薦使用Image RecordIO數據格式(簡稱rec)的數據集進行訓練,系統提供了MNIST和Cifar10兩種數據集的Image RecordIO格式數據,但是其他數據集沒有提供rec格式的數據集,所以我們想要使用其他

原创 中國計算機學會推薦投稿期刊和學術會議截稿彙總 - 五月版

領域1  - 計算機體系結構/並行與分佈計算/存儲系統 會議 簡稱 全文截稿 CCF ATS 2016 2016-05-27 C類 HiPEAC 2017  2016-06-01 B類

原创 深度學習平臺的分佈式實現綜述

前一篇文章中,我們提到了Eric Xing教授針對如何構建大規模機器學習平臺的綜述[1],包含數據並行,模型並行等,那麼具體到深度學習來說,應當如何有效構建呢?本文在這方面做個簡要概述。 如果模型能夠在單個節點裝下,那麼採用數據並行是