學習列表：
google protocol buffer在windows下的編譯
caffe windows 學習第一步：編譯和安裝（vs2012+win 64)
caffe windows學習：第乙個測試程式
caffe學習系列(1)：安裝配置ubuntu14.04+cuda7.5+caffe+cudnn
caffe學習系列(2)：資料層及引數
caffe學習系列(3)：視覺層（vision layers)及引數
caffe學習系列(4)：啟用層（activiation layers)及引數
caffe學習系列(5)：其它常用層及引數
caffe學習系列(6)：blob,layer and net以及對應配置檔案的編寫
caffe學習系列(7)：solver及其配置
caffe學習系列(8)：solver優化方法
caffe學習系列(9)：執行caffe自帶的兩個簡單例子
caffe學習系列(10)：命令列解析
caffe學習系列(11)：影象資料轉換成db（leveldb/lmdb)檔案
caffe學習系列(12)：訓練和測試自己的
caffe學習系列(13)：資料視覺化環境（python介面)配置
caffe學習系列(14)：初識資料視覺化
caffe學習系列(15)：計算資料的均值
caffe學習系列(16)：caffemodel視覺化
caffe學習系列(17)：模型各層資料和引數視覺化
caffe學習系列(18): 繪製網路模型
caffe學習系列(19): 繪製loss和accuracy曲線
caffe學習系列(20)：用訓練好的caffemodel來進行分類
caffe學習系列(21)：caffe圖形化操作工具digits的安裝與執行
caffe學習系列(22)：caffe圖形化操作工具digits執行例項
caffe學習系列(23)：如何將別人訓練好的model用到自己的資料上
caffe的python介面學習（1）：生成配置檔案
caffe的python介面學習（2）：生成solver檔案
caffe的python介面學習（3）：訓練模型（training)
caffe的python介面學習（4）：mnist例項---手寫數字識別
caffe的python介面學習（5）：生成deploy檔案
caffe的python介面學習（6）：用訓練好的模型（caffemodel）來分類新的
caffe的python介面學習（7）：繪製loss和accuracy曲線
caffe的python介面學習（8）：caffemodel中的引數及特徵的抽取
caffe學習系列 層解讀
層型別 accuracy layer 可以看到，caffe中計算accuracy時，是通過比較最後乙個全連線層 神經元個數 類別數 但沒有加入activation function 的輸出和資料集的labels來得到的，計算過程在accuracylayer中實現 我也一直非常困惑，計算accurac...
caffe安裝系列 安裝caffe
部落格新址 作業系統 ubuntu 14.04 gcc g 4.7.x opencv 2.4.11和3.0.0 matlab r2014b a python 2.7 安裝命令如下所示 解壓 tar zxvf glog 0.3.3.tar.gz 切換路徑 cd glog 0.3.3 sudo conf...
caffe學習系列 繪製網路模型
python draw net.py,這個檔案，就是用來繪製網路模型的。也就是將網路模型由prototxt變成一張。在繪製之前，需要先安裝兩個庫 安裝graphviz sudo apt get install graphviz注意，這裡用的是apt get來安裝，而不是pip.2 安裝pydot s...