没有合适的资源?快使用搜索试试~ 我知道了~
首页Caffe官方教程中译本.pdf(高清非扫描)
Caffe官方教程中译本.pdf(高清非扫描)
4星 · 超过85%的资源 需积分: 50 170 下载量 122 浏览量
更新于2023-03-16
评论 3
收藏 1.32MB PDF 举报
Caffe官方教程中译本,高清非扫描,全书非常简洁精简,非常适合快速的学习
资源详情
资源评论
资源推荐
CaffeCN 深度学习社区志愿者集体翻译
http://caffecn.cn | QQ group: 431141753 | @CaffeCN 深度学习社区
Caffe 官方教程中译本
社区预览版 V1.0
CaffeCN 深度学习社区 | http://caffecn.cn
1
目 录
前言........................................................................................................................................... 4
第一章 Blobs, Layers, and Nets:Caffe 模型解析 ........................................................ 5
1.1 Blob 的存储与交换 ................................................................................................. 5
1.1.1 实现细节 ......................................................................................................... 6
1.2 Layer 的计算和连接 ................................................................................................ 7
1.3 Net 的定义和操作 ...................................................................................................... 8
1.3.1 模型格式 ....................................................................................................... 11
第二章 Forward and Backward(前传/反传) .................................................................. 13
2.1 前传.......................................................................................................................... 13
2.2 反传.......................................................................................................................... 14
2.3 Caffe 中前传和反传的实现...................................................................................... 14
第三章 Loss .......................................................................................................................... 16
3.1 Loss weights .............................................................................................................. 16
第四章 Solver ......................................................................................................................... 18
4.1 Solver 简介 ............................................................................................................. 18
4.2 Methods .................................................................................................................... 18
4.2.1 SGD ................................................................................................................. 19
4.2.2 AdaDelta ......................................................................................................... 21
4.2.3 AdaGrad.......................................................................................................... 21
4.2.4 Adam .............................................................................................................. 21
4.2.5 NAG ................................................................................................................ 22
4.2.6 RMSprop ......................................................................................................... 23
第五章 Layer Cataloge ........................................................................................................... 24
5.1 视觉层 Vision Layers ............................................................................................... 24
5.1.1 卷积 Convolution ......................................................................................... 24
5.1.2 池化 Pooling ................................................................................................. 26
5.1.3 局部响应值归一化 Local Response Normalization (LRN) ............................ 27
5.1.4 im2col ............................................................................................................. 28
5.2 损失层 Loss Layers .................................................................................................. 28
5.2.1 Softmax 损失 ............................................................................................. 28
5.2.2 平方和/欧式损失 Sum-of-Squares / Euclidean ........................................... 28
5.2.3 Hinge / Margin 损失 .................................................................................. 29
5.2.3 交叉熵损失 Sigmoid Cross-Entropy ............................................................ 30
5.2.4 信息熵损失 Infogain .................................................................................... 30
5.2.5 准确率 Accuracy and Top-k ......................................................................... 30
5.3 激活层 Activation / Neuron Layers ....................................................................... 30
5.3.1 ReLU / Rectified-Linear and Leaky-ReLU ........................................................ 30
5.3.2. Sigmoid .......................................................................................................... 31
5.3.3 TanH / Hyperbolic Tangent ............................................................................. 32
5.3.4 Absolute Value ............................................................................................... 32
CaffeCN 深度学习社区 | http://caffecn.cn
2
5.3.5 Power ............................................................................................................. 33
5.3.5 BNLL................................................................................................................ 33
5.4 数据层 Data Layers ................................................................................................. 34
5.4.1 数据库 Database .......................................................................................... 34
5.4.2 内存数据 In-Memory .................................................................................. 35
5.4.3 HDF5 Input ..................................................................................................... 35
5.4.4 HDF5 Output .................................................................................................. 35
5.4.5 图像数据 Images ......................................................................................... 35
5.4.6 窗口 Windows.............................................................................................. 36
5.4.7 Dummy ........................................................................................................... 36
5.5 普通层 Common Layers .......................................................................................... 36
5.5.1 内积/全连接 Inner Product....................................................................... 36
5.5.2 分裂 Splitting ............................................................................................... 38
5.5.3 摊平 Flattening ............................................................................................ 38
5.5.4 变形 Reshape ............................................................................................... 38
5.5.5 连结 Concatenation ..................................................................................... 39
5.5.6 切片 Slicing .................................................................................................. 40
5.5.7 逐个元素操作 Elementwise Operations ..................................................... 41
5.5.8 Argmax ........................................................................................................... 41
5.5.9 Softmax .......................................................................................................... 41
5.5.10 Mean-Variance Normalization ..................................................................... 41
第六章 Interfaces ................................................................................................................... 43
6.1 Command Line .......................................................................................................... 43
6.1.2 训练 ................................................................................................................ 43
6.1.2 测试 ............................................................................................................... 44
6.1.3 Benchmarking ................................................................................................ 44
6.1.4 诊断 ............................................................................................................... 44
6.1.5 并行模式 ....................................................................................................... 45
6.2 Python ....................................................................................................................... 45
6.3 MATLAB ..................................................................................................................... 46
6.3.1 编译 MatCaffe .............................................................................................. 46
6.3.2 使用 MatCaffe .............................................................................................. 47
第七章 数据 ........................................................................................................................... 54
7.1 数据:输入与输出 ................................................................................................ 54
7.2 格式 ........................................................................................................................ 56
7.3 部署输入 .................................................................................................................. 56
CaffeCN 深度学习社区 | http://caffecn.cn
3
致谢:
CaffeCN 社区谨此向 Caffe 官方社区致敬!
向所有参加了此次文档翻译工作的志愿者
1
致以
诚挚的感谢!
CaffeCN 社区
2016.02.01
[1] 翻译和校对人员包括:
巴君、戴嘉伦、龚国平、李文杰、刘畅、刘昕、刘艳飞、马杰超、任
伟、诗亚婷、孙琳钧、它它、王斌、王洪振、王蒙蒙、吴尚轩、辛淼、
杨轶斐、占鸿渐、张欣、赵行、郑昌艳。
CaffeCN 深度学习社区 | http://caffecn.cn
4
前言
Caffe 是一个深度学习框架。本教程讲述了 Caffe 的设计哲学、架构和使用方法。这是一
份关于 Caffe 的实践指引和介绍,但文中并不包含关于深度学习的前沿、进展和历史等方面
的内容。尽管我们会在必要的地方给出一些辅助解释,但如果读者具有关于机器学习和神经
网络方面的背景知识,将十分有助于理解本文的内容。
设计哲学
简言之,Caffe 的酝酿考虑了以下几个方面的内容:
表示:模型和优化以纯文本的模式定义,而不是以代码模式;
速度:对于学术领域和工业领域,运算速度对于最先进的模型和海量数据是至关重
要的;
模块化:新的任务和配置要求框架具有灵活性和扩展性;
开放性:科研和应用过程需要公共的代码、可参考的模型和可再现性;
社区:通过共同讨论和以 BSD-2 协议共同开发这个项目,学术研究、起步阶段的原
型和工业应用可以共享各自的力量。
这些准则指引了整个项目。
教程内容
Nets, Layers, and Blobs:Caffe 模型解析;
Forward and Backward:层状模型的基本计算;
Loss:由 loss 定义待学习的任务;
Solver:solver 协调模型的优化;
Layer Catalogue:“层”是模型和计算的基本单元,Caffe 提供的结构中包含了构建先
进模型所需的各种层;
Interface:Caffe 的命令行,Python,和 MATLAB 版接口;
Data:如何为模型添加 caffe 式的输入数据。
剩余56页未读,继续阅读
东城飘雪
- 粉丝: 6
- 资源: 26
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 2022年中国足球球迷营销价值报告.pdf
- 房地产培训 -营销总每天在干嘛.pptx
- 黄色简约实用介绍_汇报PPT模板.pptx
- 嵌入式系统原理及应用:第三章 ARM编程简介_3.pdf
- 多媒体应用系统.pptx
- 黄灰配色简约设计精美大气商务汇报PPT模板.pptx
- 用matlab绘制差分方程Z变换-反变换-zplane-residuez-tf2zp-zp2tf-tf2sos-sos2tf-幅相频谱等等.docx
- 网络营销策略-网络营销团队的建立.docx
- 电子商务示范企业申请报告.doc
- 淡雅灰低面风背景完整框架创业商业计划书PPT模板.pptx
- 计算模型与算法技术:10-Iterative Improvement.ppt
- 计算模型与算法技术:9-Greedy Technique.ppt
- 计算模型与算法技术:6-Transform-and-Conquer.ppt
- 云服务安全风险分析研究.pdf
- 软件工程笔记(完整版).doc
- 电子商务网项目实例规划书.doc
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论2