到目前為止出現了各種各樣的深度學習的解決方案框架，其中包括caffe，cuda convnet，pylearn2，theano，torch以及tensorflow等。caffe和cuda convnet沒用過，不過一直很火的樣子，pylearn2包含了cuda covnet，入門用theano，tensorflow剛出來，谷歌又開始挖坑了，具體評價見知乎[1]，所以tensorflow暫時先放放。torch也不錯，用lua語言編寫，跟python有點像，itorch是torch的ipython版本。ipython的jupyter版本編寫介面變成了本地的網頁，很漂亮。torch的教程也很詳細[2]。
itorch.display(i)輸出會出錯，應該是image.display(i)，會彈出新視窗顯示影象i。根據require時image包的輸出結果可以看到display函式是屬於image的。
空間濾波的引數需要說明一下[3]：
module=nn.spatialconvolution(ninputplane, noutputplane, kw, kh, [dw], [dh])
ninputplane——送進forward()函式的影象中的輸入平面個數；noutputplane——卷基層將會產生的輸出平面個數；kw——卷積核寬度；kh——卷積核高度；dw——寬度維度上卷積的步長，預設為1；dh——寬度維度上卷積的步長，預設為1。
卷積時必然會有一些影象邊緣會丟失，使用者可根據需要補0。如果輸入影象為3d張量（width x height x ninputplane），則輸出影象的大小為owidth x oheight x noutputplane：
owidth = (width - kw) / dw + 1
oheight = (height - kh) / dh + 1
卷積的引數存放在self.weight（張量大小為kh x kw x ninputplane x noutputplane）和self.bias（張量大小為noutputplane）。分別對應的梯度為self.gradweight和self.gradbias。
[1]
[2]
[3]
Torch學習筆記
torch是facebook開源的機器學習框架，與當今火熱的tensorflow和caffe一樣，是深度學習 機器學習的利器，用好它們，能很快的在資料集上驗證自己的想法，只要熟練使用，一般的機器學習模型想怎麼玩就怎麼玩.torch是基於lua語言的，因此需要熟悉lua語言，lua在遊戲指令碼中用的非...
torch學習筆記（二）
在上乙個章節，描述了基礎的mlp的引數設定，資料集載入，預處理，以及模型的初始化，感覺torch的模型相對caffe來說，的確很麻煩，哈哈，但那時誰讓他安裝簡單並且還有很多的原始碼學習呢？哈哈，都是個人見解，caffe的原始碼學習模型也有很多很多的。這個章節我們討論一下對模型的運算。在介紹下面的 之...
torch學習筆記《一》
1 利用torch搭建cnn神經網路和softmax完成影象分類，在cifar 10的分類例子和 參考 深度學習筆記系列 就是上面筆記的翻譯 2 lua 語言基礎知識 lua語言中冒號呼叫和點號呼叫的區別 冒號只是起了省略第乙個引數self的作用，該self指向呼叫者本身，並沒有其他特殊的地方。參考...