积分商城

最新搜索： 滤波器 multism STC LINK1D 4岁 线性电源 加密芯片
您现在的位置是：首页 > 手册 > 深度学习caffe之经典模型与实战
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

深度学习caffe之经典模型与实战

更新时间：2020-09-09 21:48:38 大小：39M 上传用户：bleem查看TA发布的资源 标签：caffe 下载积分：9分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

本书讲解深度学习之caffee的经典模型与实战讲解。Caffe提供了一个用于训练、测试、微调和开发模型的完整工具包，而且它拥有完善文档的例子用于这些工作。同样的，它也是一个对于研究人员和其他开发者进入尖端机器学习的理想起点，这使得它在短时间内就能用于产业开发。Caffe的特性和优点主要有：模块性：Caffe本着尽可能模块化的原则，这样使新的数据格式，网络层和损失函数容易扩展。网络层和损失函数已定义，大量示例展示了这些部分是怎样组成一个识别系统用于不同情况工作的。表示和实现的分离：Caffe模型的定义已经用Protocl Buffer语言写成了配置文件。Caffe支持在任意有向非循环图形式的网络构建。根据实例化，Caffe保留网络需要的内存，并且从主机或者GPU底层的位置抽取内存。在CPU和GPU之间转换只需要调用一个函数。测试范围：每一个在Caffe中的单独模块都会进行测试，没有相应测试就不能有新代码加入进项目。这样就可以快速改进和重构代码库。Python和MATLAB结合：Caffe提供了Python和MATLAB相结合的目前研究代码的快速原型和接口。两种语言都用在了构造网络和分类输入中。预训练参考模型：Caffe提供了参考模型用于视觉工作，包括里程碑式的“Alex Net”、Image Net模型的变形和R-CNN探测模型。


目前，有许多主流的深度学习框架，每个框架都有其优点。下表给出Caffe和其他主流框架的对比。Caffe与其他深度学习开发工具相比，主要有以下两个区别：（1）Caffe完全用C++语言来实现，便于移植，并且无硬件和平台的限制，适用于商业开发和科学研究。（2）Caffe提供了许多训练好的模型，通过微调（Fine-Tuning）这些模型，在不用重写大量代码的情况下，就可以快速、高效的开发出新的应用，这也是当下软件应用开发的趋势。

部分文件列表

文件名 大小
607112_深度学习---Caffe之经典模型详解与实战(乐毅，王斌).pdf 39M

【关注视频号领20积分】   【关注公众号立即送20积分】

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号