Caffe——清晰高效的深度学习(Deep Learning)框架
来源:互联网 发布:手机淘宝截图生成器 编辑:程序博客网 时间:2024/05/22 09:41
Caffe——清晰高效的深度学习(Deep Learning)框架
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:CONVOLUTIONbottom:"data"top:"conv1"convolution_param{num_output:20kernel_size:5stride:1weight_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Xserversudokill 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:
</pre><pre name="code" class="cpp">#sh train_lenet.sh
- 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)
- Caffe —— Deep learning in Practice 深度学习实践
- 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)
- websocket使用
- Opencv学习笔记——release和debug两个模式的运行问题
- 版本2
- Redis与Memcached的区别
- 弹性分布式数据集RDD概述
- Caffe——清晰高效的深度学习(Deep Learning)框架
- 利用SVN log命令统计SVN提交代码
- 第6周项目3-IP地址类
- stm32f103 RTC周期性待机唤醒(一)
- POJ 2960.S-Nim【博弈论】【4月5】
- 跳转语句continue;break;return的区别
- CSS学习(五)——区块、浮动、定位、溢出、滚动条
- 如何用endnote引用论文
- 继承的应用