深度学习之caffe Layers-Convolution层
来源:互联网 发布:linux make命令 编辑:程序博客网 时间:2024/05/01 12:12
如果你想在基于caffe卷积神经网络架构中添加Layer层,那么你需要在prototxt文件中定义相关的模型架构.
对于跟图片相关的项目,我们一般都是以图片(images)为输入,输出也是图片(image).
这里需要补充说明的是
1、对于灰度图,颜色沟道,即channel(C=1)。
2、对于彩色图(RGB),颜色沟道即channel(C=3)。
卷积层(convolutional Layers)
下面两条给出了卷积层在caffe源代码的源文件
- CPU 接口:
./src/caffe/layers/convolution_layer.cpp
- CUDA GPU 接口:
./src/caffe/layers/convolution_layer.cu
卷积层的相关参数介绍:
num_output(c_o):滤波器(也可以说是卷积核)的个数。
kernel_size(or kernel_h and kernel_w):kernel_h 指定了卷积核的高度,kernel_w指定了卷积核的宽度.
可选参数:
1、bias_term[默认为true]:指定了卷积核的输出是否需要偏置项
2、pad(or pad_h and pad_w)[默认为0]:指定了对于输入图片,我们还需要在图像的补充多少像素
3、stride(or stider_h and stride_w)[默认为1]指定卷积核的卷积间隔,即步长.
4、group(g)[默认为1],将输入和输出沟道分成g组,并且第i个输出的沟道只能连接第i个输入的沟道.
.我们通过一个例子来说明.
layer{
name:"convl"
type:"Convolution"#表示卷积层
bottom:"data"#获取上一层的data blob
top:"convl"#产生conv1层
param{lr_mult:1 decay_mult:1}#定义卷积核的学习速度和衰减速率
param{lr_mult:2 decay_mult:0}#定义偏置项的学习速度和衰减速率
convolution_param{
num_output:96
kernel_size:11
stride:4 #卷积核的步长
weight_filter{
type:"gaussian" #通过高斯核来初始化
std:0.01
}
bias_filter{
type:"constant" #初始化偏置为0
value:0
}
}
}
卷积层利用一系列的卷积核对输入图像进行卷积,每一种卷积核将产生一个输出映射。
lr_mult 代表 你设置的学习率是 solver.prototxt 中base_lr的倍数
decay_mult代表 你设置的weight_decay 是 solver中的倍数
- 深度学习之caffe Layers-Convolution层
- 深度学习之caffe Layers-Pooling池化层
- 深度学习之caffe Activation/Neuron Layers
- 深度学习之caffe Data Layers
- 【深度学习】在caffe中添加新层(layers)
- 深度学习caffe平台--train_val.prototxt文件中视觉层(Vision Layers)层及参数详解
- 【caffe学习笔记】Data Layers 数据层
- 【caffe学习笔记】Common Layers 普通层
- 【深度学习】caffe中那些layers
- 【深度学习】caffe中那些layers
- 深度学习caffe平台-----激活层(Activiation Layers)参数及参数详解
- 深度学习caffe平台-----视觉层(Vision Layers)参数及参数详解
- 【深度学习】caffe之卷积层
- 【深度学习】caffe之pooling层
- 深度学习之caffe的BN层
- Caffe中Convolution层
- 深度学习caffe平台--train_val.prototxt文件中激活层(Activiation Layers)及参数及参数详解
- caffe各个层layer的区别和介绍 Vision Layers,Data Layers, Common Layers--caffe学习(9)
- 对于DFA、NFA理解
- 【LightOJ 1104】Birthday Paradox(概率DP)
- JobTracker与TaskTracker的关系
- Iterator和ListIterator的区别
- Git Pull Request
- 深度学习之caffe Layers-Convolution层
- 合并两个有序序列
- DWZ左右主从页面单独分页的解决方法
- 杂碎知识汇总
- 【Error】ImportError No module named Leap
- 验证内存泄漏的简单方法
- markdown编辑数学公式
- 51nod 1046 A^B Mod C
- 关于iOS Appearance的设置