caffe學習筆記（1）
剛開始學習caffe，發現乙個非常好的部落格caffe學習。看了幾遍收益匪淺，但是總是記不住，所以決定安裝該部落格的步驟一點一點實現，然後記錄在該系列的部落格中。原部落格是在ubuntu下實現，而我是在mac下實現的，而且只是cpu模式的caffe，所以有些地方可能會有點詫異，對於ubuntu的使用者，可以去參考原部落格。
要執行caffe，需要先建立乙個模型（model)，如比較常用的lenet,alex等， 而乙個模型由多個層（layer）構成，每一屋又由許多引數組成。先看乙個簡單的模型jie gou：
所有的引數都定義在caffe.proto這個檔案中。要熟練使用caffe，最重要的就是學會配置檔案（prototxt）的編寫。
層有很多種型別，比如data,convolution,pooling等，層之間的資料流動是以blobs的方式進行。
今天我們就先介紹一下資料層.
資料層是每個模型的最底層，是模型的入口，不僅提供資料的輸入，也提供資料從blobs轉換成別的格式進行儲存輸出。通常資料的預處理（如
減去均值, 放大縮小, 裁剪和映象等）
，也在這一層設定引數實現。
資料**可以來自高效的資料庫（如
leveldb和lmdb），也可以直接來自於記憶體。如果不是很注重效率的話，資料也可來自磁碟的hdf5檔案和格式檔案。
所有的資料層的都具有的公用引數：先看示例
layer
transform_param
data_param
}
type: 層型別，如果是data，表示資料**於leveldb或lmdb。根據資料的**不同，資料層的型別也不同（後面會詳細闡述）。一般在練習的時候，我們都是採 用的leveldb或lmdb資料，因此層型別設定為data。
top或bottom: 每一層用bottom來輸入資料，用top來輸出資料。如果只有top沒有bottom，則此層只有輸出，沒有輸入。反之亦然。如果有多個 top或多個bottom，表示有多個blobs資料的輸入和輸出。
data 與 label: 在資料層中，至少有乙個命名為data的top。如果有第二個top，一般命名為label。 這種(data,label)配對是分類模型所必需的。
include
: 一般訓練的時候和測試的時候，模型的層是不一樣的。該層（layer）是屬於訓練階段的層，還是屬於測試階段的層，需要用include來指定。如果沒有include引數，則表示該層既在訓練模型中，又在測試模型中。
transformations: 資料的預處理，可以將資料變換到定義的範圍內。如設定scale為0.00390625，實際上就是1/255, 即將輸入資料由0-255歸一化到0-1之間
其它的資料預處理也在這個地方設定：
transform_param1、資料來自於資料庫（如leveldb和lmdb）
層型別（layer type）:data
必須設定的引數：
source: 包含資料庫的目錄名稱，如examples/mnist/mnist_train_lmdb
batch_size: 每次處理的資料個數，如64
可選的引數：
rand_skip: 在開始的時候，路過某個資料的輸入。通常對非同步的sgd很有用。
backend: 選擇是採用leveldb還是lmdb, 預設是leveldb.
示例：
layer
transform_param
data_param
}
層型別：memorydata
必須設定的引數：
batch_size：每一次處理的資料個數，比如2
channels：通道數
height：高度
width: 寬度
示例：
layer
transform_param
}
層型別：hdf5data
必須設定的引數：
source: 讀取的檔名稱
batch_size: 每一次處理的資料個數
示例：
layer
}
層型別：imagedata
必須設定的引數：
source: 乙個文字檔案的名字，每一行給定乙個檔案的名稱和標籤（label)
batch_size: 每一次處理的資料個數，即數
可選引數：
rand_skip: 在開始的時候，路過某個資料的輸入。通常對非同步的sgd很有用。
shuffle: 隨機打亂順序，預設值為false
new_height,new_width: 如果設定，則將進行resize
示例：
layer
image_data_param
}
層型別：windowdata
必須設定的引數：
source: 乙個文字檔案的名字
batch_size: 每一次處理的資料個數，即數
示例：
layer
transform_param
window_data_param
}
Caffe學習筆記 Caffe模型
乙個完整的深度學習系統最核心的兩個方面是資料和模型。深度學習模型通常由三部分引數組成 可學習引數 learnable parameter 又稱可訓練引數 神經網路權係數 權重，其數值由模型初始化引數 誤差反向傳播過程控制，一般不可人工干預。結構引數 archetecture parameter 包括...
Caffe學習筆記
個人覺得這個大神對caffe的研究比較深入詳細！目錄 ubuntu14.04安裝caffe 僅cpu ubuntu14.04安裝cuda ubuntu14.04安裝caffe gpu ubuntu14.04 cudnn安裝 caffe cuda7.0下 caffe學習 blobs,layers,an...
DL學習筆記 1 執行CAFFE程式
按照大神的 中的教程安裝就好啦 然後我這裡簡要寫一點點自己安裝過程中的問題和簡要的安裝過程 1 安裝vs2012 2 安裝cuda6.5 3 按照教程配置各種變數等 其中系統目錄是指環境變數 系統變數 path 然後成功安裝之後就是閃退啦，用命令列執行會出現這幾條語句 如果不需要編譯 就是根據c 程...