原创 gdb調試問題總結
1，怎麼在gdb開啓的時候加入調試命令，如斷點、設置運行參數 gdb有個-x參數，後面接一下存儲gdb調試命令的文本文件，所以可以實現寫個文本文件，把一開始必要的斷點和調試環境以及運行參數設置寫進去，然後用-x參數讀入即可：
2020-06-25 18:57:23
原创 caffe中的數據結構解析
caffe中數據結構主要包括caffe::Net，caffe::Layer，caffe::Solver三個主要大類。下面就這三個主要的數據結構做一下總結。 1，caffe:Net：這個數據結構用來表示整個網絡，這個數據結構
2020-06-25 18:57:11
原创 C++ 類的注意事項
1，explicit關鍵字 在類的構造函數中，當構造函數只有一個輸入變量時，如果不加入explicit關鍵字，那麼它實際上定義了轉換爲此類類型的隱式轉換機制，例如下面的代碼： class Sales_data { friend
2020-06-25 18:57:11
原创 Clang編譯時的問題彙總
1， <span style="color:#ff0000;">test.cpp:(.text+0xc): undefined reference
2020-06-25 18:57:11
5
原创 vavado----design with IP
vivado中design with ip相比於ise感覺還是改進了。 首先我們簡單介紹一下vivado中design with ip的設計過程： （1）打開IP Catlog定製自己的IP設計，比如這裏我們選擇S
2020-02-22 15:06:29
2
原创 how to install Matlab API in caffe
In caffe, sometimes, it is convinient to use matlab function to do calculation, like SVD deconposition. But install
2020-02-22 15:06:29
原创 caffe中backward過程總結
backward是利用代價函數求取關於網絡中每個參數梯度的過程，爲後面更新網絡參數做準備。求取梯度的過程也是一個矩陣運算的過程，後面會有詳細介紹，本身求取梯度的過程並不是很複雜，而且網絡中的各層求取梯度的過程都是相似的。下面就按照
2020-02-22 15:06:29
原创 tiny_cnn 程序總結1----tiny_cnn簡述
tiny_cnn實現了LeNet的字符識別功能，實現的方式也是利用卷集神經網絡，整個網絡共有6層，依次爲convolution_layer<32,32,5,1,6>，average_pooling_layer<28,28,6,2>
2020-02-22 15:06:29
原创 caffe中forward過程總結 2
前面http://blog.csdn.net/buyi_shizi/article/details/51504276 總結的是caffe有和卷積有關的forward過程，下面我們總結一下卷積之後和全連接網絡Inner Produc
2020-02-22 15:06:29
原创 vivado----fpga驗證調試
在vivado中fpga功能驗證比ise中方便了很多，主要體現在debug的ip核生成以及最後的波形觀察和調試上，下面我就從這兩個方面說一下vivado的fpga驗證調試。 fpga驗證的步驟一般是： × 在代碼中
2020-02-22 15:06:28
3
原创 caffe中Blob數據結構
Blob數據結構是caffe中基本的數據存儲單元，它主要存儲的數據是網絡中的中間數據變量，比如各層的輸入和輸出；代價函數關於網絡各層參數的梯度。爲什麼要專門爲數據設計一個存儲結構，我的理解是這樣保證的網絡中的數據存儲結構的統一性，
2020-02-22 15:06:28
原创 vivado----simulation上
今天說的vivado的仿真是指用vivado自帶的仿真工具進行仿真，主要內容集中在如何運用腳本對代碼進行仿真。 1，vivado自帶工具的圖形界面仿真很簡單，這裏不做過多介紹，但是在圖形界面仿真的時候有一點值得注意，就是如
2020-02-22 15:06:28
原创 caffe中的softmax layer
在caffe中的lenet實現最後一層是softmax layer，輸出分類的結果，下面就簡單介紹一下softmax迴歸。 1，首先，在caffe中，softmax layer輸出的是原始的輸入在每一個分類標籤上的概率，例
2020-02-22 15:06:28
原创 caffe中forward過程總結
caffe中最重要的兩個部分就是forward和backward的過程，farward是根據輸入數據正向預測輸入屬於哪一類；backward是根據輸出的結果求得代價函數，然後根據代價函數反向求去其相對於各層網絡參數的梯度的過程。我
2020-02-22 15:06:28
原创 bvlc_reference_caffenet的test過程分析1
本文主要總結一下imageNet的test過程的最外層過程，即test() 函數。該函數主要分爲四個部分： - 創建網絡 - 拷貝權值參數 - 進行forward過程 - 統計最終的Accuracy和Los
2020-02-22 15:06:28