《深度学习框架caffe的学习.ppt》由会员分享，可在线阅读，更多相关《深度学习框架caffe的学习.ppt（15页珍藏版）》请在装配图网上搜索。
1、,深度学习框架caffe的介绍,Robothy,1.1caffe产生,提出了一个很好的概率框架来表达人的行为 但是因为图像上提取的特征比较弱， 可以外推的结果比较有限。 NVIDIA赠送GPU,贾扬清,1.2Caffe的特点,上手快,跨平台,社区好,开放性,速度快,2.1硬件配置与操作系统,处理器：Intel(R) Core(TM) i5-3230M CPU 2.60GHz 内存：4GB 操作系统：Ubuntu14.04 64bit 磁盘：安装磁盘空间为100GB,2.2依赖库与工具,依赖包：lprotobuf leveldb snappy opencv hdf5-serial protobu
2、f-compiler boost,工具：google-glog、google-gflag、git,2.3 核心软件的安装,lmdb,OpenCV,Caffe,git clone,3.1 mnist数据集,手写数字图片 60000张训练库图片 10000张测试库图片,./get_mnist.sh,3.2mnist数据集的格式转换,3.3全局参数配置（lenet_solver.prototxt）,3.4 LeNet网络（lenet_train_test.prototxt）,layer name: mnist type: Data transform_param scale: 0.00390625
3、data_param source: mnist_train_lmdb backend: LMDB batch_size: 64 top: data top: label ,layer name: conv1 type: Convolution param lr_mult: 1 param lr_mult: 2 convolution_param num_output: 20 kernel_size: 5 stride: 1 weight_filler type: xavier bias_filler type: constant bottom: data top: conv1 ,3.5 训练
4、与测试,I0614 00:40:08.291082 7064 sgd_solver.cpp:106 Iteration 100, lr = 0.00992565 I0614 00:40:17.023165 7064 solver.cpp:228 Iteration 200, loss = 0.143513 I0614 00:40:17.023233 7064 solver.cpp:244 Train net output #0: loss = 0.143513 (* 1 = 0.143513 loss) I0614 00:40:17.023252 7064 sgd_solver.cpp:106
5、 Iteration 200, lr = 0.00985258 I0614 00:40:25.631428 7064 solver.cpp:228 Iteration 300, loss = 0.162749 I0614 00:40:25.631542 7064 solver.cpp:244 Train net output #0: loss = 0.162749 (* 1 = 0.162749 loss) I0614 00:40:25.631561 7064 sgd_solver.cpp:106 Iteration 300, lr = 0.00978075 I0614 00:40:34.70
6、5716 7064 solver.cpp:228 Iteration 400, loss = 0.0588523 I0614 00:40:34.705777 7064 solver.cpp:244 Train net output #0: loss = 0.0588523 (* 1 = 0.0588523 loss),mnist训练时间约20min,4 caffe的应用实例识别一张动物图片,采用已训练好模型： ImageNet,d o g,测试对象：,Model Zoo,测试结果：,博美犬,威尔士柯基犬,碟耳长毛玩赏小狗,吉娃娃（一种产于墨西哥的狗）,未成功安装GPU驱动程序，模型的训练是通过CPU进行运算,未深入研究caffe所应用到的深度学习网络模型,未研究深度学习相关数学知识以及caffe源代码,5 小结,基本完成caffe运行环境搭建,成功训练了mnist模型,准确识别出图像,谢谢！,深度学习框架caffe的介绍,
深度学习框架caffe的学习.ppt
