原创 Caffe Ubuntu 下的調試

如果需要改動Caffe源碼,往往需要對caffe的實驗進行單步調試. 如果不用GBD調試,可以通過圖形界面在ubuntu下調試,這裏推薦一個很好用的軟件,Anjuta .支持在ubuntu下的圖形界面調試. 下面以BVLC/caffe

原创 mathtype 排版

看到一篇很好的介紹mathtype文章,先mark http://www.cnblogs.com/xiami303/archive/2011/09/05/2167544.html 這篇文章中提到可以將mathtype中的公式直接複製到

原创 caffe學習資料

最近需要在caffe上面做實驗,學習時候的一些資料記載下來. caffe的源碼可以在github上下載:caffe源碼下載地址 這裏記錄幾個好的學習資源: 1.官網的教程caffe官網教程地址: 這裏面描述了caffe的安裝,配置以

原创 筆記:pixel-level domain transfer

本文結合對抗網絡以及深度網絡生成圖像來不同域之間樣本生成的問題,根據源域上的樣本生成目標域上對應的樣本。這個思路是用生成模型encoder獲取源域上低維的語義信息,然後通過decoder來生成目標域上的圖像,將encoder和decode

原创 Caffe solver.prototxt學習

這裏介紹caffe 的配置文件solver.protxt裏面各個參數的含義。 正如官網上給出的解釋,在solver解決下面的四個問題: a.訓練的記錄(bookkeeping),創建用於training以及test的網絡結構; b.

原创 -CGAL_IA_MUL(-1.1, 10.1) != CGAL_IA_MUL(1.1, 10.1)

這兩天編譯的時候由於用到了CGAL庫,在用GCC或者其他編譯器的時候遇到了問題: *Expr: -CGAL_IA_MUL(-1.1, 10.1) != CGAL_IA_MUL(1.1, 10.1) File: /usr/include

原创 筆記:Deep transfer network: unsupervised domain adaptation

這篇文章裏提出了一種用MMD來同時對兩個域上的marginal distribution和conditional distribution進行約束的遷移網絡。 具體而言,用MMD來對兩個域(源域和目標域)上的提取到的特徵分佈進行約束,從