原创 在Caffe中使用Python Layer
Caffe通過Boost中的Boost.Python模塊來支持使用Python定義Layer: 使用C++增加新的Layer繁瑣、耗時而且很容易出錯 開發速度與執行速度之間的trade-off 編譯支持Python Layer的C
原创 CVPR 2016 論文集
Deep Compositional Captioning: Describing Novel Object Categories Without Paired Training Data Lisa Anne Hendric
原创 Clustering Algorithms: From Start To State Of The Art
It’s not a bad time to be a Data Scientist. Serious people may find interest in you if you turn the conversation towar
原创 secureCRT 8.0.2 mac 破解安裝
http://www.sdifenzhou.com/securecrt802.html
原创 如何在caffe中添加新的Layer
本文分爲兩部分,先寫一個入門的教程,然後再給出自己添加maxout與NIN的layer的方法 (一) 其實在Github上已經有答案了(https://github.com/BVLC/caffe/issues/684) Her
原创 Caffe源碼(一):math_functions 分析
目錄 主要函數 caffe_cpu_gemm 函數caffe_cpu_gemv 函數caffe_axpy 函數caffe_set 函數caffe_add_scalar 函數caffe_copy 函數caffe_scal 函數caff
原创 Deep learning tutorial on Caffe technology : basic commands, Python and C++ code.
UPDATE! : my Fast Image Annotation Tool for Caffe has just been released ! Have a look ! Caffe is certainly one of th
原创 最優化之路
進入算法研發部,在大致瞭解部門的項目構成,主要職責之後,我意識到最優化算法在各個項目組中都具有重要的作用,例如CTR預估、排序等。然而,由於自己在讀博期間除了“邏輯迴歸”以外,沒有系統參與過涉及最優化的項目,因此在還沒有分配到具體任務的
原创 Define a model in Python
Define a model in Python It is also possible to define the net model directly in Python, and save it to a prototxt
原创 牛頓法與擬牛頓法學習筆記(四)BFGS 算法
機器學習算法中經常碰到非線性優化問題,如 Sparse Filtering 算法,其主要工作在於求解一個非線性極小化問題。在具體實現中,大多調用的是成熟的軟件包做支撐,其中最常用的一個算法是 L-BFGS。爲了解這個算法的數
原创 Caffe for Python 官方教程(翻譯)
導言 本教程中,我們將會利用Caffe官方提供的深度模型——CaffeNet(該模型是基於Krizhevsky等人的模型的)來演示圖像識別與分類。我們將分別用CPU和GPU來進行演示,並對比其性能。然後深入探討該模型的一
原创 Wolfe和Armijo準則之Matlab實現
Wolfe準則 function [alpha, newxk, fk, newfk] = wolfe(xk, dk)rho = 0.25; sigma = 0.75;alpha = 1; a = 0; b = Inf; while
原创 Learning to Hash
Learning to HashPaper, Code and Dataset Table of Content Introduction Tutorial Slides Data-Independent Method Lear
原创 caffe python layer
caffe的大多數層是由c++寫成的,藉助於c++的高效性,網絡可以快速訓練。但是我們有時候需要自己寫點輸入層以應對各種不同的數據輸入,比如你因爲是需要在圖像中取塊而不想寫成LMDB,這時候可以考慮使用python直接寫一個層。而且輸入
原创 Fisher Vector 通俗學習
我寫東西喜歡五顏六色,也喜歡通俗的來講!哈哈。。。。 核心: Fisher vector本質上是用似然函數的梯度vector來表達一幅圖像 基礎知識的預備: 1. 高斯分佈 生活和自然中,很多的事和物的分佈都可以近似的看做是高