deeplearning

        caffe中需要将数据存储为lmdb、hdf5等数据库格式，caffe自带的convert_image工具可以完成lmdb数据格式的转换，但是遇到浮点数，这个工具就不行了，所以，只有存成hdf5了。对于python存储hdf5，本文分析多个demo的数据生成代码，并作出总结（主要就是贴代码了）：

阅读更多

        上一节，我们介绍了使用Caffe训练我们自己的图像用于分类，由于我们有ImageNet的例子，所以一切显得非常自然。那么，如果我们要用裸数据来训练网络（用于分类或者回归），那我们应该怎么做呢？这篇博文进行了详细的介绍。

阅读更多

我们参考caffe中ImageNet的例子来完成图像分类，我们的流程如下

1.参考ImageNet的代码，构建我们自己的数据集，jpg格式的图像分为train和val，即训练集和测试集

2.在文本文件中列出图像和标注

3.修改create_convert脚本，将图像转化为lmdb格式，注意，一定是jpg格式的图像，如果没有进行大小归一化，最好在脚本中进行缩放操作

4.使用make_mean脚本，计算图像均值

5.修改solver_prototxt文件和train_val_prototxt文件中的参数，进行训练

阅读更多

        Caffe的作者是贾扬清（伯克利大学博士期间成果），其在深度学习科学研究中有着非同一般的地位，尤其是其代码在github上开源，以及CUDA加速的使用，使得普通学者也可以较为轻松的进行训练，介绍就不多说了，作为Caffe的第一课，首先就是Caffe环境配置、编译以及导入IDE中方便调试了，我们开始吧。

阅读更多