原创 caffe源碼依賴的一些庫

LevelDB庫 它是google實現的一個非常高效的Key-Value數據庫。它是單進程的服務,性能非常高。它只是一個C/C++編程語言的庫,不包含網絡服務封裝。caffe主要使用該數據庫來存儲傳入訓練的圖片數據與label。

原创 caffe目錄結構 及 caffe源碼文件說明

轉自:::http://yufeigan.github.io/2014/12/09/Caffe學習筆記1-安裝以及代碼結構/ 目錄結構 caffe文件夾下主要文件: 這表示文件夾 主要文件夾 data 用於存放下載的訓練數據 d

原创 caffe源碼 之 Blob類

本文主要解析caffe框架中源碼文件/src/caffe/blob.cpp,該文件主要實現caffe的數據存儲與傳遞。 caffe中Blob類主要用來表示網絡中的數據,包括訓練數據,網絡各層自身的參數(包括權值、偏置以及它們的梯度

原创 caffe源碼 之 卷積層實現

本文主要解析caffe源碼文件/src/caffe/layers/Conv_layer.cpp和Base_conv_layer.cpp,這兩個文件主要實現卷積層的定義。 卷積神經網絡(CNN)最核心的一個算法就是卷積運算,caff

原创 caffe源碼 之 CPU與GPU數據同步類

本文主要解析caffe源碼文件/src/caffe/SycedMem.cpp,該文件主要實現cpu與gpu的內存同步。 先看SycedMem.hpp中SycedMem的類定義::: #ifndef CAFFE_SYNCEDMEM_

原创 Caffe單步調試

轉自博客:::http://blog.csdn.net/xiaoyezi_1834/article/details/50724875 這個方法我實際用過,確實算是比較好用,相對GDB或者Qt或者eclipse要方便點。其中 GD

原创 運動目標檢測 之 GMM背景模型算法

綜述 單高斯背景建模是一種基於像素樣本統計信息的背景表示方法,它是根據視頻中的每個像素在時域上的概率統計信息(均值/方差)來構建各個像素的顏色分佈模型,依次來達到背景建模的目的。背景建模完成後,使用統計差分進行目標像素判斷以達到對前景目標

原创 機器學習 之 LBP特徵

綜述:: LBP特徵:Local Binary Pattern,局部二值模式特徵,是一種用來描述圖像局部紋理特徵的算子。LBP特徵算子計算簡單、效果較好,數據量小,因此LBP特徵在計算機視覺的許多領域都得到了廣泛的應用,LBP特徵比較多

原创 caffe源碼 之 Relu層

本文主要實現caffe框架中/src/caffe/layers/Relu_layer.cpp文件,該文件實現的是激活函數Relu。 ReLU是近些年非常流行的激活函數。相比於sigmoid與Tanh,它具有一定的優越性,這三者對比可見ht

原创 Python語法 之 基本數據類型

數據類型 整數 int = 20 print int 效果如下: 浮點型 float = 6.6 print float 效果如下: 字符串 字符串可以用單引號,雙引號,以及三引號括起來形成字符串,單引號與雙引號括起來的用法完全

原创 LibSvm使用說明

綜述 SVM 支持向量機SVM(Support Vector Machine)是一個有監督的學習模型,通常用來進行模式識別、分類、以及迴歸分析。總得來說,SVM就是通過訓練得到一個超平面 ,將樣本分類,保證被分類的樣本中離超平面近的一些

原创 LibSvm源碼解析~算法

算法流程 如下圖所示,是2.6版本C-SVC型svm算法實現流程,核函數採用常用的RBF函數。 函數解析 算法原理歸納

原创 ubuntu系統兩臺機器互傳文件

1、sudo apt-get update: 下載前更新一下源,防止有些包找不到 2、sudo apt-get install openssh-server :安裝ssh的服務端(默認情況下,ssh客戶端也一併安裝了) 3、sudo ap

原创 Python語法 之 標識符、運算符、表達式

標識符 標識符規則^^ 1、標識符有字母、數字、下劃線組成。 2、標識符不能以數字開頭。 3、標識符是區分大小寫的。 看起來標識符與C語言的規則挺相似的,但是還是有些區別:

原创 caffe源碼 之 Solver類

本文主要解析caffe源碼文件/src/caffe/layers/Solver.cpp,該文件主要定義caffe框架中優化函數類的基類。 Solver這個類實現了優化函數的封裝,其中有一個protected的成員:shared_ptr n