caffe学习笔记(2)
来源:互联网 发布:淘宝购物没收到货退款 编辑:程序博客网 时间:2024/06/03 22:32
所有的层都具有的参数,如name, type, bottom, top和transform_param请参看我的前一篇文章:caffe学习笔记(1)
本文只讲解视觉层(Vision Layers)的参数,视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。
1、Convolution层:
就是卷积层,是卷积神经网络(CNN)的核心层。
层类型:Convolution
lr_mult: 学习率的系数,最终的学习率是这个数乘以solver.prototxt配置文件中的base_lr。如果有两个lr_mult, 则第一个表示权值的学习率,第二个表示偏置项的学习率。一般偏置项的学习率是权值学习率的两倍。
在后面的convolution_param中,我们可以设定卷积层的特有参数。
必须设置的参数:
num_output: 卷积核(filter)的个数
kernel_size: 卷积核的大小。如果卷积核的长和宽不等,需要用kernel_h和kernel_w分别设定
其它参数:
stride: 卷积核的步长,默认为1。也可以用stride_h和stride_w来设置。
pad: 扩充边缘,默认为0,不扩充。 扩充的时候是左右、上下对称的,比如卷积核的大小为5*5,那么pad设置为2,则四个边缘都扩充2个像素,即宽度和高度都扩充了4个像素,这样卷积运算之后的特征图就不会变小。也可以通过pad_h和pad_w来分别设定。
layer { name: "conv1" //该层的名字,自己起 type: "Convolution" //该层的类型,这个类型决定了该层的参数和能进行的运算,层的类型还有很多,像下面的pooling等 bottom: "data" //代表该层的输入数据 top: "conv1"<span style="white-space:pre"></span>//该层的输出数据<span style="white-space:pre"></span> param { lr_mult: 1 //权值的学习率 } param { lr_mult: 2<span style="white-space:pre"></span>//偏置项的学习率 } convolution_param { num_output: 20 //卷积核的个数 kernel_size: 5 //卷积核的尺寸 stride: 1<span style="white-space:pre"></span>//卷积核的步长 weight_filler { //权值初始化,用xavier算法 type: "xavier" } bias_filler {<span style="white-space:pre"></span>//偏置项初始化,constant为默认初始化为0 type: "constant" } }}
layer { name: "pool1" type: "Pooling" bottom: "conv1" top: "pool1" pooling_param { pool: MAX kernel_size: 3 stride: 2 }}
pooling层的运算方法基本是和卷积层是一样的。
[1] Alex, Image Classification with Deep Convolutional Neural Network,NIPS 2012
[2] Lateral inhibition
layers { name: "norm1" type: LRN bottom: "pool1" top: "norm1" lrn_param { local_size: 5 alpha: 0.0001 beta: 0.75 }}
4、im2col层
如果对matlab比较熟悉的话,就应该知道im2col是什么意思。它先将一个大矩阵,重叠地划分为多个子矩阵,对每个子矩阵序列化成向量,最后得到另外一个矩阵。
看一看图就知道了:
在caffe中,卷积运算就是先对数据进行im2col操作,再进行内积运算(inner product)。这样做,比原始的卷积操作速度更快。
看看两种卷积操作的异同:
- caffe学习笔记(2)
- Caffe学习笔记2
- Caffe学习笔记(2) -- 如何调试Caffe网络
- Caffe学习笔记2--Caffe目录结构
- caffe学习笔记(2): type: "LRN"
- Caffe学习笔记1:初识caffe篇(caffe介绍)
- caffe 学习笔记(一)
- caffe学习笔记(一)
- caffe学习笔记(1)
- caffe学习笔记(2)【Training LeNet on MNIST with Caffe use CPU】
- Caffe学习笔记2--Ubuntu 14.04 64bit 安装Caffe(GPU版本)
- caffe学习笔记2--caffe的文件结构
- caffe学习笔记2-caffe命令行训练与测试
- 深度学习笔记(2):caffe 加新层 Attention LSTM layer
- Caffe学习笔记(2)优化算法的选择
- caffe学习笔记(一)——caffe环境安装
- caffe学习笔记(二)——caffe结构分析
- Caffe学习笔记(一):Caffe架构及其模型解析
- 一个制作java小应用程序的全过程
- Log4j 简单配置
- Nginx 配置解析
- COdevs1700 施工方案第二季
- 认知
- caffe学习笔记(2)
- Nginx 事件机制介绍
- FileOutputStream和FileInputStream的用法
- 平方根倒数速算法
- 开发环境准备
- 链表学习
- CocoaPods解决Unable to add a source with url
- iOS坐标系的转换
- 序列模式挖掘(AprioriAll和AprioriSome算法)