在caffe各層引數詳解中提到了，可見如下**，資料層中有乙個引數是mean_file，表示對資料初始化操作，這個引數將引入乙個mean.binaryproto配置檔案，這個.binaryproto檔案是如何得到的呢？
layer
} transform_param
} # mean_file:這裡求均值是為了對資料初始化操作, 這裡可以思考正態分佈轉變成標準正態分佈,當然是每個通道的畫素減去這個通道的均值. 這裡是乙個配置檔案, 通過這個配置檔案來實現的,至於怎麼做出來的,等會你就知道了
data_param
}
sudo /home/sherlock/caffe/build/tools/compute_image_mean /home/sherlock/caffe/examples/mnist/mnist_train_lmdb /home/sherlock/my/mean.binaryprotocaffe學習筆記 mean均值檔案
一 為什麼需要讓減去均值呢？概括來看 影象的穩定性 降低波動性 可以提高分類精度 而且減去均值一般會讓亮度下降，但是亮度其實對影象分類來說，不那麼重要。另外一般會選擇對資料進行標準化處理，但是計算影象方差是麼有意義的，所以何不選擇更加簡單的均值規整的辦法。注意 均值檔案只是針對訓練集的，不針對驗證集...
caffe單標籤資料輸入方式（最方便）
lmdb用起來很不方便。image data layer.cpp前面有介紹過。看看使用 layer transform param image data param 裡面引數 影象的高度 寬度 是否彩色影象 影象目錄。包括的方法讀取存放影象檔名和類標的列表檔案，是否需要打亂檔案的順序等等。這個很簡單...
caffe學習資料
這裡記錄幾個好的學習資源 1.官網的教程caffe官網教程位址 這裡面描述了caffe的安裝,配置以及用caffe跑一些實驗的細節 還有對caffe整個庫的構建思路的詳細介紹 2.caffe github上的wiki頁面對常見的一些用法進行了介紹,這些介紹上都會在後續的過程中有所涉及,強烈推薦 3....