深度模型超参数量很多，如何调试这些参数需要长期经验的积累。下面，总结了相关的调参技巧方面的文章： 《神经网络训练中的Tricks之高效BP（反向传播算法）》翻译文章。神经网络...
发简信
IP属地：江苏
-
深度学习网络调参技巧-资料汇总
-
Caffe源码中math_functions文件分析
Caffe源码中有一些重要文件，这里介绍下math_functions文件。 include文件： <glog/logging.h>：GLog库，它是google的一个开源的...
-
caffe源码阅读总结
阅读caffe源码已有一段时间，从手足无错，漫无目的地乱调乱看到寻找合理理解目标，按部就班深入理解caffe架构确实是一个research过程．caffe是本人毕业以来认真详...
-
密集卷积网络(Densenet)论文阅读笔记密集卷积网络(Densenet)论文阅读笔记 作者Zhuang Liu(个人主页:https://liuzhuang13.github.io/) 论文的下载地址: https...
-
Caffe代码导读（3）：caffe的模型训练流程程序入口：main() g_brew_map实现过程，首先通过 typedef定义函数指针 typedef int (*BrewFunction)(); 这个是用typede...
-
Caffe代码导读（2）：caffe结构分析
caffe目录结构 docs —— 帮助文档 examples —— 代码样例 matlab —— MATLAB接口文件 python —— PYTHON接口文件 model...
-
@有史以来_86f0 检查一下模型路径配置
Tesseract 训练数据
TrainingTesseract 4.00 Finetune 迁移学习 参考文档: https://github.com/tesseract-ocr/tesseract/w...
-
Caffe代码导读（1）：caffe.proto文件解析
要看caffe源码，我认为首先应该看的就是caffe.proto。它位于src/caffe/proto目录下，在这个文件夹下还有一个.pb.cc和一个.pb.h文件，这两个文...
-
Caffe代码导读（0）：路线图
Caffe是什么？ Caffe是一个深度学习框架，以代码整洁、可读性强、运行速度快著称。代码地址为：https://github.com/BVLC/caffe 文章系列书写目...
-
序列识别--CRNN论文阅读笔记CRNN用于序列识别的网络模型,例如:英文单词,乐谱符号等.论文原题:An End-to-End Trainable Neural Network forImage-base...
-
检查一下路经是否有问题,或者看看系统生成训练数据的步骤是否正确.
特殊字符语言包训练流程（新）
题库特殊字符语言包训练流程（新） 上篇文章介绍了一些特殊字符语言包的训练流程，然而没过几天，github上的tesseract源码有了较大的改动，包括wiki里面的教程文档也...
-
感谢,非本专业出身,理论有限啊
tensorflow入门应用方法(五)——Imagenet VGG-19网络加载和特征可视化
前一篇文章tensorflow入门应用方法(四)——训练模型的保存和读取中提到保存训练模型和读取的方法。这篇文章主要阐述加载已经训练好的Imagenet VGG-19网络对图...
-
caffe_ocr之路(一)----项目配置与编译
开源项目:https://github.com/senlinuc/caffe_ocr. caffe_ocr是一个对现有主流ocr算法研究实验性的项目，目前实现了CNN+BLS...
-
caffe入门应用方法(五)--使用命令行训练网络前两篇文章caffe入门应用方法(三)——制作LMDB数据源和caffe入门应用方法(四)--制作hdf5数据源分别介绍了制作LMDB和hdf5数据源的方法,以及更前面的文章...
-
caffe ubuntu 16.04 cpu版安装方法
安装依赖项 安装opencv,详细方法可见本人文章opencv linux安装与编译. python安装 caffe支持python2.7版本,其他版本是否支持不太清楚,网络...
-
caffe入门应用方法(四)--制作hdf5数据源
有些时候，我们的输入不是标准的图像，而是其它一些格式，比如：频谱图、特征向量等等，这种情况下LMDB、Leveldb以及ImageData layer等就不好使了，这时候我们...
-
caffe入门应用方法(三)——制作LMDB数据源
LMDB是Cafffe中应用的一种数据库，我们常常需要对LMDB进行读写操作，本文介绍如何采用bash脚本进行LMDB的数据源制作操作。 脚本例子 根据上面的脚本示例,按照脚...
感谢,非本专业出身,理论有限啊
