清晰高效的深度学习(Deep Learning)框架:Caffe
来源:互联网 发布:91毁了多少家庭知乎 编辑:程序博客网 时间:2024/05/16 00:40
Caffe( http://caffe.berkeleyvision.org/ )是一个清晰而高效的深度学习框架,其作者是博士毕业于UC Berkeley的贾扬清( http://daggerfs.com/ ),他目前在Google工作。
Caffe是纯粹的C++/CUDA架构,支持命令行、Python和MATLAB接口;可以在CPU和GPU直接无缝切换:
Caffe::set_mode(Caffe::GPU);
Caffe的优势
1. 上手快:模型与相应优化都是以文本形式而非代码形式给出。
Caffe给出了模型的定义、最优化设置以及预训练的权重,方便立即上手。
2. 速度快:能够运行最棒的模型与海量的数据。
Caffe与cuDNN结合使用,测试AlexNet模型,在K40上处理每张图片只需要1.17ms.
3. 模块化:方便扩展到新的任务和设置上。
可以使用Caffe提供的各层类型来定义自己的模型。
4. 开放性:公开的代码和参考模型用于再现。
5. 社区好:可以通过BSD-2参与开发与讨论。
Caffe的网络定义
Caffe中的网络都是有向无环图的集合,可以直接定义:
name:"dummy-net" layers {name: "data" …} layers {name: "conv" …} layers {name: "pool" …} layers {name: "loss" …}
数据及其导数以blobs的形式在层间流动。
Caffe的各层定义
Caffe层的定义由2部分组成:层属性与层参数,例如
name:"conv1" type:CONVOLUTION bottom:"data" top:"conv1" convolution_param{num_output:20 kernel_size:5 stride:1 weight_filler{type: "xavier" } }
这段配置文件的前4行是层属性,定义了层名称、层类型以及层连接结构(输入blob和输出blob);而后半部分是各种层参数。
Blob
Blob是用以存储数据的4维数组,例如
对于数据:Number*Channel*Height*Width
对于卷积权重:Output*Input*Height*Width
对于卷积偏置:Output*1*1*1
训练网络
网络参数的定义也非常方便,可以随意设置相应参数。
甚至调用GPU运算只需要写一句话:
solver_mode:GPU
Caffe的安装与配置
Caffe需要预先安装一些依赖项,首先是CUDA驱动。不论是CentOS还是Ubuntu都预装了开源的nouveau显卡驱动(SUSE没有这种问题),如果不禁用,则CUDA驱动不能正确安装。以Ubuntu为例,介绍一下这里的处理方法,当然也有其他处理方法。
在sudo vi/etc/modprobe.d/blacklist.conf增加一行 :blacklist nouveausudoapt-get --purge remove xserver-xorg-video-nouveau #把官方驱动彻底卸载: sudoapt-get --purge remove nvidia-*#清除之前安装的任何NVIDIA驱动 sudo service lightdm stop#进命令行,关闭Xserver sudokill all Xorg
安装了CUDA之后,依次按照官网提示( http://caffe.berkeleyvision.org/installation.html )安装BLAS、OpenCV、Boost即可。
Caffe跑跑MNIST试试
在Caffe安装目录之下,首先获得MNIST数据集:
#cddata/mnist #sh get_mnist.sh生成mnist-train-leveldb/ 和 mnist-test-leveldb/,把数据转化成leveldb格式:
# cdexamples/lenet #sh create_mnist.sh
训练网络:
#sh train_lenet.sh
欢迎参与讨论并关注 本博客 和 微博 以及 知乎个人主页 后续内容继续更新哦~
转载请您尊重作者的劳动,完整保留 上述文字 以及 文章链接 ,谢谢您的支持!
原文 http://blog.csdn.net/ycheng_sjtu/article/details/39693655
- 清晰高效的深度学习(Deep Learning)框架:Caffe
- Caffe-清晰高效的深度学习(deep learning)框架
- Caffe——清晰高效的深度学习(Deep Learning)框架
- Caffe——清晰高效的深度学习(Deep Learning)框架
- Caffe——清晰高效的深度学习(Deep Learning)框架
- Caffe——清晰高效的深度学习(Deep Learning)框架
- Deep Learning(二):深度学习框架的比较(MXNet, Caffe, TensorFlow, Torch, Theano)
- 深度学习 deep learning 深度学习框架 caffe 深入学习过程(开篇)
- 深度学习 deep learning 深度学习框架 caffe 深入学习过程(一)
- Deep learning深度学习的十大开源框架
- deep learning framework(不同的深度学习框架)
- 深度学习FPGA实现基础知识8(Deep Learning(深度学习)Matlab实现--简单清晰的实验)
- Deep Learning(深度学习)Deep Learning的基本思想
- 基于Theano的深度学习(Deep Learning)框架Keras
- Deep Learning(深度学习)
- Deep Learning(深度学习)
- Deep Learning(深度学习)
- Deep Learning(深度学习)
- view-port初步认识
- centos与windows共享文件夹
- ios 修改字体
- Python 常用的代码片段
- iOS多线程——基础
- 清晰高效的深度学习(Deep Learning)框架:Caffe
- NYOJ+最长上升子序列动态规划+数组因为输入数据时从位置0开始后面dp也是从0开始
- redhat linux yum源修改
- 关于css的样式和jsp、jquery相关问题
- 在Eclipse中使用JUnit4进行单元测试(上)
- Eclipse 扩大内存
- Linux串口编程教程(三)——串口编程详解
- std空间和全局命名空间
- Connection is read-only. Queries leading to data modification are not allowed