程序博客网 > 51单片机时钟程序

GoogLeNet资源【1】

来源：互联网 发布：51单片机时钟程序 编辑：程序博客网 时间：2024/05/16 09:26

【转】学习笔记：GoogLeNet

原作者：lynnandwei  原文地址：http：//blog.csdn.net/lynnandwei/article/details/44458033

GoogLeNet，2014年ILSVRC挑战赛冠军，将Top5的错误率降低到6.67％。一个22层的深度网络，论文在http://arxiv.org/pdf/1409.4842v1.pdf，题目为：with convolutions。（每次看这么简洁优雅的题目，就想吐槽国内写纸的八股文题目）.GoogLeNet这个名字也是挺有意思的，为了像开山鼻祖的LeNet网络致敬，他们选择了这样的名字。

BVLC在caffe中给出了网络的实现：https：//github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

模型下载地址：http ://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

从论文里整理了一张这个22个层次的模型的图出来（如果考虑pooling layer是27层），先将模型跑了一遍结果，还是那只猫： 

直观输出是如下，

[287 281 285 282 283]
['n02127052 lynx，catamount''n02123045 tabby，tabby
 cat''n02124075 Egyptian cat''n02123159 tiger cat''n02123394 Persian cat']

caffe的实现和原来论文的模型是有不同的：

不是用重新点亮数据增加训练;
不是用尺度或纵横比数据增加训练;
使用“xavier”初始化权重，而不是“gaussian”;
quick_solver.prototxt使用不同于原始solver.prototxt的学习速率衰减策略，允许更快的训练（60个纪元和250个纪元）;
捆绑模型是使用quick_solver.prototxt的迭代2,400,000个快照（60个纪元）

但是准确度还是达到了顶1精度68.7％（31.3％误差）和前5精度88.9％（11.1％误差）

我们来分析一下这个模型的层次关系：

原始数据，输入为224 * 224 * 3

第一层卷积层conv1，pad是3,64个特征，7 * 7步长为2，输出特征为112 * 112 * 64，然后进行relu，经过pool1（红色的最大池）进行pooling 3 * 3的核，步长为2，[（112 - 3 + 1）/ 2] +1 = 56特征为56 * 56 * 64，然后进行norm 

第二层卷积层conv2，pad是1,3 * 3,192个特征，输出为56 * 56 * 192，然后进行relu，进行norm，经过pool2进行pooling，3 * 3的核，步长为2输出为28 * 28 * 192然后进行split分成四个支线

 

  1. 设置pool2 / 3x3_s2  
  2. I0319 23：50：37.405478 5765 net.cpp：103]顶部形状：10 192 28 28（1505280）  
  3. I0319 23：50：37.405484 5765 net.cpp：113]数据需要内存：174612480  
  4. I0319 23：50：37.405495 5765 net.cpp：67]创建图层pool2 / 3x3_s2_pool2 / 3x3_s2_0_split  
  5. I0319 23：50：37.405503 5765 net.cpp：394] pool2 / 3x3_s2_pool2 / 3x3_s2_0_split  < - pool2 / 3x3_s2  
  6. I0319 23：50：37.405515 5765 net.cpp：356] pool2 / 3x3_s2_pool2 / 3x3_s2_0_split - > pool2 / 3x3_s2_pool2 / 3x3_s2_0_split_0  
  7. I0319 23：50：37.405531 5765 net.cpp：356] pool2 / 3x3_s2_pool2 / 3x3_s2_0_split - > pool2 / 3x3_s2_pool2 / 3x3_s2_0_split_1  
  8. I0319 23：50：37.405545 5765 net.cpp：356] pool2 / 3x3_s2_pool2 / 3x3_s2_0_split - > pool2 / 3x3_s2_pool2 / 3x3_s2_0_split_2  
  9. 池03/23×20  
  10. I0319 23：50：37.405567 5765 net.cpp：96]设置pool2 / 3x3_s2_pool2 / 3x3_s2_0_split  
  11. I0319 23：50：37.405577 5765 net.cpp：103]顶部形状：10 192 28 28（1505280）  
  12. I0319 23：50：37.405582 5765 net.cpp：103]顶部形状：10 192 28 28（1505280）  
  13. I0319 23：50：37.405587 5765 net.cpp：103]顶部形状：10 192 28 28（1505280）  
  14. I0319 23：50：37.405592 5765 net.cpp：103]顶部形状：10 192 28 28（1505280）  
  15. I0319 23：50：37.405597 5765 net.cpp：113]数据所需的内存：198696960  
  16. I0319 23：50：37.405611 5765 net.cpp：67]创建层初始_3a / 1x1 ^ M  


第三层开始时候模块，这个的思想受到使用不同尺度的Gabor过滤器来处理多尺度问题，inception module采用不同尺度的卷积核来处理问题.3a包含四个支线：

 

1：64个1 * 1的卷积核（之后进行RULE计算）变成28 * 28 * 64

2：96个1 * 1的卷积核作为3 * 3卷积核之前的减少，变成28 * 28 * 96，进行relu计算后，再进行128个3 * 3的卷积， 28 * 28 * 128

3:16个1 * 1的卷积核作为5 * 5卷积核之前的减少，变成28 * 28 * 16，进行relu计算后，再进行32个5 * 5的卷积，变成28 * 28 * 32

4：池层，3 * 3的核，垫为1，输出还是28 * 28 * 192，然后进行32个1 * 1的卷积，变成28 * 28 * 32。

将四个结果进行连接，输出为28 * 28 * 256

 

 

 

 

然后将3a的结果又分成四条支线，开始建立3b的开始模块

3b 

 

1：128个1 * 1的卷积核（之后进行RULE计算）变成28 * 28 * 128

2：128个1 * 1的卷积核作为3 * 3卷积核之前的减少，变成28 * 28 * 128，再进行192个3 * 3的卷积，垫为1，28 * 28 * 192 ，进行relu计算

3:32个1 * 1的卷积核作为5 * 5卷积核之前的减少，变成28 * 28 * 32，进行relu计算后，再进行96个5 * 5的卷积，变成28 * 28 * 96

4：池层，3 * 3的核，垫为1，输出还是28 * 28 * 256，然后进行64个1 * 1的卷积，变成28 * 28 * 64。

 

将四个结果进行连接，输出为28 * 28 * 480

同理依次推算，数据变化如下表：

 

一部分输出结果如下：

I0319 22：27：51.257917 5080 net.cpp：208]这个网络产生输出故障

 

  1. I0319 22：27：51.258116 5080 net.cpp：467]收集学习率和体重衰减。  
  2. I0319 22：27：51.258162 5080 net.cpp：219]网络初始化完成。  
  3. I0319 22：27：51.258167 5080 net.cpp：220]数据所需的内存：545512320  
  4. I0319 22：27：51.345417 5080 net.cpp：702]忽略源层数据  
  5. I0319 22：27：51.345443 5080 net.cpp：702]忽略源层label_data_1_split  
  6. I0319 22：27：51.345448 5080 net.cpp：705]复制源层conv1 / 7x7_s2  
  7. I0319 22：27：51.345542 5080 net.cpp：705]复制源层conv1 / relu_7x7  
  8. I0319 22：27：51.345548 5080 net.cpp：705]复制源层pool1 / 3x3_s2  
  9. I0319 22：27：51.345553 5080 net.cpp：705]复制源层pool1 / norm1  
  10. I0319 22：27：51.345558 5080 net.cpp：705]复制源层conv2 / 3x3_reduce  
  11. I0319 22：27：51.345600 5080 net.cpp：705]复制源层conv2 / relu_3x3_reduce  
  12. I0319 22：27：51.345607 5080 net.cpp：705]复制源层conv2 / 3x3  
  13. I0319 22：27：51.346571 5080 net.cpp：705]复制源层conv2 / relu_3x3  
  14. I0319 22：27：51.346580 5080 net.cpp：705]复制源层conv2 / norm2  
  15. I0319 22：27：51.346585 5080 net.cpp：705]复制源层pool2 / 3x3_s2  
  16. I0319 22：27：51.346590 5080 net.cpp：705]复制源层pool2 / 3x3_s2_pool2 / 3x3_s2_0_split  
  17. I0319 22：27：51.346595 5080 net.cpp：705]复制源层inception_3a / 1x1  
  18. I0319 22：27：51.346706 5080 net.cpp：705]复制源层inception_3a / relu_1x1  
  19. I0319 22：27：51.346712 5080 net.cpp：705]复制源层inception_3a / 3x3_reduce  
  20. I0319 22：27：51.346879 5080 net.cpp：705]复制源层inception_3a / relu_3x3_reduce  
  21. I0319 22：27：51.346885 5080 net.cpp：705]复制源层inception_3a / 3x3  
  22. I0319 22：27：51.347844 5080 net.cpp：705]复制源层inception_3a / relu_3x3  
  23. I0319 22：27：51.347851 5080 net.cpp：705]复制源层inception_3a / 5x5_reduce  
  24. I0319 22：27：51.347885 5080 net.cpp：705]复制源层inception_3a / relu_5x5_reduce  
  25. I0319 22：27：51.347892 5080 net.cpp：705]复制源层inception_3a / 5x5  
  26. I0319 22：27：51.348008 5080 net.cpp：705]复制源层inception_3a / relu_5x5  
  27. I0319 22：27：51.348014 5080 net.cpp：705]复制源层inception_3a / pool  
  28. I0319 22：27：51.348019 5080 net.cpp：705]复制源层inception_3a / pool_proj  
  29. I0319 22：27：51.348080 5080 net.cpp：705]复制源层inception_3a / relu_pool_proj  
  30. I0319 22：27：51.348085 5080 net.cpp：705]复制源层inception_3a / output  
  31. I0319 22：27：51.348091 5080 net.cpp：705]复制源层inception_3a / output_inception_3a / output_0_split  
  32. I0319 22：27：51.348096 5080 net.cpp：705]复制源层inception_3b / 1x1  
  33. I0319 22：27：51.348398 5080 net.cpp：705]复制源层inception_3b / relu_1x1  
  34. I0319 22：27：51.348405 5080 net.cpp：705]复制源层inception_3b / 3x3_reduce  
  35. I0319 22：27：51.348700 5080 net.cpp：705]复制源层inception_3b / relu_3x3_reduce  
  36. I0319 22：27：51.348707 5080 net.cpp：705]复制源层inception_3b / 3x3  
  37. I0319 22：27：51.350611 5080 net.cpp：705]复制源层inception_3b / relu_3x3  
  38. I0319 22：27：51.350620 5080 net.cpp：705]复制源层inception_3b / 5x5_reduce  
  39. I0319 22：27：51.350699 5080 net.cpp：705]复制源层inception_3b / relu_5x5_reduce  
  40. I0319 22：27：51.350705 5080 net.cpp：705]复制源层inception_3b / 5x5  
  41. I0319 22：27：51.351372 5080 net.cpp：705]复制源层inception_3b / relu_5x5  
  42. I0319 22：27：51.351378 5080 net.cpp：705]复制源层inception_3b / pool  
  43. I0319 22：27：51.351384 5080 net.cpp：705]复制源层inception_3b / pool_proj  
  44. I0319 22：27：51.351546 5080 net.cpp：705]复制源层inception_3b / relu_pool_proj  
  45. I0319 22：27：51.351552 5080 net.cpp：705]复制源层inception_3b / output  
  46. I0319 22：27：51.351558 5080 net.cpp：705]复制源层pool3 / 3x3_s2  
  47. I0319 22：27：51.351563 5080 net.cpp：705]复制源层pool3 / 3x3_s2_pool3 / 3x3_s2_0_split  
  48. I0319 22：27：51.351569 5080 net.cpp：705]复制源层inception_4a / 1x1  
  49. I0319 22：27：51.352367 5080 net.cpp：705]复制源层inception_4a / relu_1x1  
  50. I0319 22：27：51.352375 5080 net.cpp：705]复制源层inception_4a / 3x3_reduce  
  51. I0319 22：27：51.352782 5080 net.cpp：705]复制源层inception_4a / relu_3x3_reduce  
  52. I0319 22：27：51.352789 5080 net.cpp：705]复制源层inception_4a / 3x3  
  53. I0319 22：27：51.354333 5080 net.cpp：705]复制源层inception_4a / relu_3x3  
  54. I0319 22：27：51.354341 5080 net.cpp：705]复制源层inception_4a / 5x5_reduce  
  55. I0319 22：27：51.354420 5080 net.cpp：705]复制源层inception_4a / relu_5x5_reduce  
  56. I0319 22：27：51.354429 5080 net.cpp：705]复制源层inception_4a / 5x5  
  57. I0319 22：27：51.354601 5080 net.cpp：705]复制源层inception_4a / relu_5x5  
  58. I0319 22：27：51.354609 5080 net.cpp：705]复制源层inception_4a / pool  
  59. I0319 22：27：51.354614 5080 net.cpp：705]复制源层inception_4a / pool_proj  
  60. I0319 22：27：51.354887 5080 net.cpp：705]复制源图层inception_4a / relu_pool_proj  
  61. I0319 22：27：51.354894 5080 net.cpp：705]复制源层inception_4a / output  
  62. I0319 22：27：51.354900 5080 net.cpp：705]复制源层inception_4a / output_inception_4a / output_0_split  
  63. I0319 22：27：51.354910 5080 net.cpp：702]忽略源层loss1 / ave_pool  
  64. I0319 22：27：51.354918 5080 net.cpp：702]忽略源层丢失1 / conv  
  65. I0319 22：27：51.354923 5080 net.cpp：702]忽略源层loss1 / relu_conv  
  66. I0319 22：27：51.354930 5080 net.cpp：702]忽略源层loss1 / fc  
  67. I0319 22：27：51.354936 5080 net.cpp：702]忽略源层loss1 / relu_fc  
  68. I0319 22：27：51.354943 5080 net.cpp：702]忽略源层loss1 / drop_fc  
  69. I0319 22：27：51.354950 5080 net.cpp：702]忽略源层损失1 /分类器  
  70. I0319 22：27：51.354956 5080 net.cpp：702]忽略源层损失1 /损失  
  71. I0319 22：27：51.354962 5080 net.cpp：705]复制源层inception_4b / 1x1  
  72. I0319 22：27：51.355681 5080 net.cpp：705]复制源层inception_4b / relu_1x1  
  73. I0319 22：27：51.355690 5080 net.cpp：705]复制源层inception_4b / 3x3_reduce  
  74. I0319 22：27：51.356190 5080 net.cpp：705]复制源层inception_4b / relu_3x3_reduce  
  75. I0319 22：27：51.356199 5080 net.cpp：705]复制源层inception_4b / 3x3  
  76. I0319 22：27：51.358134 5080 net.cpp：705]复制源层inception_4b / relu_3x3  
  77. I0319 22：27：51.358144 5080 net.cpp：705]复制源层inception_4b / 5x5_reduce  
  78. I0319 22：27：51.358256 5080 net.cpp：705]复制源层inception_4b / relu_5x5_reduce  
  79. I0319 22：27：51.358263 5080 net.cpp：705]复制源层inception_4b / 5x5  
  80. I0319 22：27：51.358608 5080 net.cpp：705]复制源层inception_4b / relu_5x5  
  81. I0319 22：27：51.358616 5080 net.cpp：705]复制源层inception_4b / pool  
  82. I0319 22：27：51.358623 5080 net.cpp：705]复制源层inception_4b / pool_proj  
  83. I0319 22：27：51.358917 5080 net.cpp：705]复制源层inception_4b / relu_pool_proj  
  84. I0319 22：27：51.358925 5080 net.cpp：705]复制源层inception_4b / output  
  85. I0319 22：27：51.358932 5080 net.cpp：705]复制源层inception_4b / output_inception_4b / output_0_split  
  86. I0319 22：27：51.358937 5080 net.cpp：705]复制源层inception_4c / 1x1  
  87. I0319 22：27：51.359519 5080 net.cpp：705]复制源层inception_4c / relu_1x1  
  88. I0319 22：27：51.359526 5080 net.cpp：705]复制源层inception_4c / 3x3_reduce  
  89. I0319 22：27：51.360097 5080 net.cpp：705]复制源层inception_4c / relu_3x3_reduce  
  90. I0319 22：27：51.360105 5080 net.cpp：705]复制源层inception_4c / 3x3  
  91. I0319 22：27：51.362634 5080 net.cpp：705]复制源层inception_4c / relu_3x3  
  92. I0319 22：27：51.362643 5080 net.cpp：705]复制源层inception_4c / 5x5_reduce  
  93. I0319 22：27：51.362757 5080 net.cpp：705]复制源层inception_4c / relu_5x5_reduce  
  94. I0319 22：27：51.362764 5080 net.cpp：705]复制源层inception_4c / 5x5  
  95. I0319 22：27：51.363106 5080 net.cpp：705]复制源层inception_4c / relu_5x5  
  96. I0319 22：27：51.363114 5080 net.cpp：705]复制源层inception_4c / pool  
  97. I0319 22：27：51.363121 5080 net.cpp：705]复制源层inception_4c / pool_proj  
  98. I0319 22：27：51.363415 5080 net.cpp：705]复制源层inception_4c / relu_pool_proj  
  99. I0319 22：27：51.363423 5080 net.cpp：705]复制源层inception_4c / output  
  100. I0319 22：27：51.363430 5080 net.cpp：705]复制源层inception_4c / output_inception_4c / output_0_split  
  101. I0319 22：27：51.363436 5080 net.cpp：705]复制源层inception_4d / 1x1  
  102. I0319 22：27：51.363937 5080 net.cpp：705]复制源层inception_4d / relu_1x1  
  103. I0319 22：27：51.363945 5080 net.cpp：705]复制源层inception_4d / 3x3_reduce  
  104. I0319 22：27：51.364591 5080 net.cpp：705]复制源层inception_4d / relu_3x3_reduce  
  105. I0319 22：27：51.364600 5080 net.cpp：705]复制源层inception_4d / 3x3  
  106. I0319 22：27：51.367797 5080 net.cpp：705]复制源层inception_4d / relu_3x3  
  107. I0319 22：27：51.367806 5080 net.cpp：705]复制源层inception_4d / 5x5_reduce  
  108. I0319 22：27：51.367959 5080 net.cpp：705]复制源层inception_4d / relu_5x5_reduce  
  109. I0319 22：27：51.367966 5080 net.cpp：705]复制源层inception_4d / 5x5  
  110. I0319 22：27：51.368420 5080 net.cpp：705]复制源层inception_4d / relu_5x5  
  111. I0319 22：27：51.368428 5080 net.cpp：705]复制源层inception_4d / pool  
  112. I0319 22：27：51.368435 5080 net.cpp：705]复制源层inception_4d / pool_proj  
  113. I0319 22：27：51.368726 5080 net.cpp：705]复制源层inception_4d / relu_pool_proj  
  114. I0319 22：27：51.368733 5080 net.cpp：705]复制源层inception_4d / output  
  115. I0319 22：27：51.368739 5080 net.cpp：705]复制源层inception_4d / output_inception_4d / output_0_split  
  116. I0319 22：27：51.368748 5080 net.cpp：702]忽略源层loss2 / ave_pool  
  117. I0319 22：27：51.368755 5080 net.cpp：702]忽略源层丢失2 / conv  
  118. I0319 22：27：51.368762 5080 net.cpp：702]忽略源层loss2 / relu_conv  
  119. I0319 22：27：51.368768 5080 net.cpp：702]忽略源层损耗2 / fc  
  120. I0319 22：27：51.368774 5080 net.cpp：702]忽略源层loss2 / relu_fc  
  121. I0319 22：27：51.368780 5080 net.cpp：702]忽略源层loss2 / drop_fc  
  122. I0319 22：27：51.368788 5080 net.cpp：702]忽略源层丢失2 /分类器  
  123. I0319 22：27：51.368794 5080 net.cpp：702]忽略源层损失2 /损失  
  124. I0319 22：27：51.368800 5080 net.cpp：705]复制源层inception_4e / 1x1  
  125. I0319 22：27：51.369971 5080 net.cpp：705]复制源层inception_4e / relu_1x1  
  126. I0319 22：27：51.369981 5080 net.cpp：705]复制源层inception_4e / 3x3_reduce  
  127. I0319 22：27：51.370717 5080 net.cpp：705]复制源层inception_4e / relu_3x3_reduce  
  128. I0319 22：27：51.370725 5080 net.cpp：705]复制源层inception_4e / 3x3  
  129. I0319 22：27：51.374668 5080 net.cpp：705]复制源层inception_4e / relu_3x3  
  130. I0319 22：27：51.374678 5080 net.cpp：705]复制源层inception_4e / 5x5_reduce  
  131. I0319 22：27：51.374831 5080 net.cpp：705]复制源层inception_4e / relu_5x5_reduce  
  132. I0319 22：27：51.374840 5080 net.cpp：705]复制源层inception_4e / 5x5  
  133. I0319 22：27：51.375728 5080 net.cpp：705]复制源层inception_4e / relu_5x5  
  134. I0319 22：27：51.375737 5080 net.cpp：705]复制源层inception_4e / pool  
  135. I0319 22：27：51.375744 5080 net.cpp：705]复制源层inception_4e / pool_proj  
  136. I0319 22：27：51.376332 5080 net.cpp：705]复制源层inception_4e / relu_pool_proj  
  137. I0319 22：27：51.376340 5080 net.cpp：705]复制源层inception_4e / output  
  138. I0319 22：27：51.376346 5080 net.cpp：705]复制源层pool4 / 3x3_s2  
  139. I0319 22：27：51.376353 5080 net.cpp：705]复制源层pool4 / 3x3_s2_pool4 / 3x3_s2_0_split  
  140. I0319 22：27：51.376359 5080 net.cpp：705]复制源层inception_5a / 1x1  
  141. I0319 22：27：51.378186 5080 net.cpp：705]复制源层inception_5a / relu_1x1  
  142. I0319 22：27：51.378196 5080 net.cpp：705]复制源层inception_5a / 3x3_reduce  
  143. I0319 22：27：51.379343 5080 net.cpp：705]复制源层inception_5a / relu_3x3_reduce  
  144. I0319 22：27：51.379353 5080 net.cpp：705]复制源层inception_5a / 3x3  
  145. I0319 22：27：51.383293 5080 net.cpp：705]复制源层inception_5a / relu_3x3  
  146. I0319 22：27：51.383303 5080 net.cpp：705]复制源层inception_5a / 5x5_reduce  
  147. I0319 22：27：51.383548 5080 net.cpp：705]复制源层inception_5a / relu_5x5_reduce  
  148. I0319 22：27：51.383558 5080 net.cpp：705]复制源层inception_5a / 5x5  
  149. I0319 22：27：51.384449 5080 net.cpp：705]复制源层inception_5a / relu_5x5  
  150. I0319 22：27：51.384459 5080 net.cpp：705]复制源层inception_5a / pool  
  151. I0319 22：27：51.384465 5080 net.cpp：705]复制源层inception_5a / pool_proj  
  152. I0319 22：27：51.385397 5080 net.cpp：705]复制源层inception_5a / relu_pool_proj  
  153. I0319 22：27：51.385406 5080 net.cpp：705]复制源层inception_5a / output  
  154. I0319 22：27：51.385414 5080 net.cpp：705]复制源层inception_5a / output_inception_5a / output_0_split  
  155. I0319 22：27：51.385421 5080 net.cpp：705]复制源层inception_5b / 1x1  
  156. I0319 22：27：51.388157 5080 net.cpp：705]复制源层inception_5b / relu_1x1  
  157. I0319 22：27：51.388166 5080 net.cpp：705]复制源层inception_5b / 3x3_reduce  
  158. I0319 22：27：51.389539 5080 net.cpp：705]复制源层inception_5b / relu_3x3_reduce  
  159. I0319 22：27：51.389549 5080 net.cpp：705]复制源层inception_5b / 3x3  
  160. I0319 22：27：51.395212 5080 net.cpp：705]复制源层inception_5b / relu_3x3  
  161. I0319 22：27：51.395225 5080 net.cpp：705]复制源层inception_5b / 5x5_reduce  
  162. I0319 22：27：51.395584 5080 net.cpp：705]复制源层inception_5b / relu_5x5_reduce  
  163. I0319 22：27：51.395594 5080 net.cpp：705]复制源层inception_5b / 5x5  
  164. I0319 22：27：51.396921 5080 net.cpp：705]复制源层inception_5b / relu_5x5  
  165. I0319 22：27：51.396931 5080 net.cpp：705]复制源层inception_5b / pool  
  166. I0319 22：27：51.396939 5080 net.cpp：705]复制源层inception_5b / pool_proj  
  167. I0319 22：27：51.397862 5080 net.cpp：705]复制源层inception_5b / relu_pool_proj  
  168. I0319 22：27：51.397871 5080 net.cpp：705]复制源层inception_5b / output  
  169. I0319 22：27：51.397879 5080 net.cpp：705]复制源层pool5 / 7x7_s1  
  170. I0319 22：27：51.397886 5080 net.cpp：705]复制源层pool5 / drop_7x7_s1  
  171. I0319 22：27：51.397893 5080 net.cpp：705]复制源层loss3 /分类器  
  172. I0319 22：27：51.406652 5080 net.cpp：702]忽略源层loss3 / loss3  

 

材料集合：

http://deeplearning.net/2014/09/19/googles-entry-to-imagenet-2014-challenge/

 

[1] Imagenet 2014 LSVRC结果， http : //karpathy.github.io/2014/09/02/what-i-learned-from-competing-against-a-convnet-on-imagenet/，最后检索：19 -09-2014。

[2] Christian Szegedy，Wei Liu，Yangqing Jia，Pierre Sermanet，Scott Reed，Dragomir Anguelov，Dumitru Erhan，Vincent Vanhoucke，Andrew Rabinovich，Going Deeper with Convolutions，Arxiv链接：http :  //arxiv.org/abs/1409.4842。

[3] GoogLeNet演示， http ://image-net.org/challenges/LSVRC/2014/slides/GoogLeNet.pptx，最后检索的：19-09.2014。

[4]我从竞争对手的网络上学到的东西， http://karpathy.github.io/2014/09/02/what-i-learned-from-competing-against-a-convnet-on-imagenet /最后检索日期：19-09-2014。

[5] Girshick，Ross，et al。“丰富的特征层次结构，用于精确的对象检测和语义分割。” arXiv preprint arXiv：1311.2524  （2013）。

0 0
51单片机时钟程序 51单片机时钟程序
原创粉丝点击
热门IT博客
mac介质访问控制mac介质访问控制
女生身高知乎女生身高知乎
2016韩国男团知乎
unity3d制作的游戏
医院数据分析报告
时彩计划软件
windows 安装盘制作
mac如何退出vim
php文件管理系统 源码
弹琴软件
快枪手软件
夏日走过山间 知乎
mac应用程序删除不掉
产品经理软件
windows bash 下载
nginx alias
51单片机c语言编程入门
托福网络培训班
软件许可合同
保密 知乎
热门问题 老师的惩罚 人脸识别 我在镇武司摸鱼那些年 重生之率土为王 我在大康的咸鱼生活 盘龙之生命进化 天生仙种 凡人之先天五行 春回大明朝 姑娘不必设防，我是瞎子 点胶 气球胶点在墙壁上怎么清理 半自动点胶机价格 轴心点胶机 双组份点胶机 点胶机厂家 点胶机设备价格 密封胶点胶机 手持式点胶机 点胶袜 点胶机 厂家 硅胶自动点胶机 瞬干胶点胶机 视觉点胶机 点胶机价格 双液点胶阀 防静电点胶手套 ab点胶机 在线点胶机 深圳点胶机 点胶设备 工业点胶机 点胶机批发 点胶针头 点胶机多少钱一台 自动化点胶设备 导电胶点胶 点胶机生产厂家 硅胶点胶机价格 双头点胶机价格 点胶系统 台式点胶机 点胶自动化设备 全自动点胶机设备 自动点胶机报价 双组份点胶阀 点胶阀厂家 点胶机有哪些厂家 双头自动点胶机 全自动点胶机品牌 自动点胶阀

程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里