Caffe的深度学习训练全过程

}

layer {

type: "ReLU"

bottom: "ip1"

top: "ip1"

}

layer {

type: "InnerProduct"

bottom: "ip1"

top: "ip2"

}

layer {

type: "SoftmaxWithLoss"

bottom: "ip2"

bottom: "label"

top: "loss"

}

这里只展示了收集构造的基本设备，也占用了大年夜量的篇幅。一般来说，这个文件中的内容跨越100行都是再常见不过的事。而像大年夜名鼎鼎的ResNet收集，它的文件长度平日在千行以上，更是让人难以浏览。那么问题来了，那么大年夜的收集文件都是靠人直接编辑出来的么?不必定。有的人会比较有耐烦地一点点写完，而有的人则不会愿意做如许的苦力活。实际上Caffe供给了一套接口，大年夜家可以经由过程写代码的情势生成这个文件。如许一来，编写模型设备的工作也变得简单不少。下面展示了一段生成LeNet收集构造的代码：

最毕生成的结不雅大年夜家都熟知，这里就不给出了。

layer { 
  name: "data" 
  type: "Data" 
  top: "data" 
  top: "label" 
  transform_param { 
    scale: 0.00390625 
    mirror: false 
  } 
  data_param { 
    source: "123" 
    batch_size: 128 
    backend: LMDB 
  } 
} 
layer { 
  name: "conv1" 
  type: "Convolution" 
  bottom: "data" 
  top	
			 3/8   首页 上一页 1 2 3 4 5 6 下一页 尾页	
			

　　推荐阅读
　　机器学习流行趋势一览
            
            (机械进修是一个大年夜范畴。本文侧重的范畴是深度进修&mdash;&mdash;这是我最熟悉的一个分区。)在研究兴趣方面，我们看到的是 1)风格转换、2) 深度强化进修、3) 神经收集机械翻译 (&ldqu>>>详细阅读


本文标题：Caffe的深度学习训练全过程
地址：http://www.17bianji.com/lsqh/34962.html
 1/2    1