在 caffe 中如何計算卷積
問題彙總待補充
caffe是大神賈揚清在加州伯克利大學博士期間開發的深度學習框架，在學界和工業界得到廣泛應用。
caffe是cnn模型的非常好的框架，方便、易用；torch7是機器學習乙個非常好的框架，但是，學習曲線比caffe要陡峭一些。torch7更靈活，能搞定更多的機器學習演算法模型。
我的基於使用者的角度來理解這是乙個標準，當大家都遵守這個標準，那麼就可以做通訊協議，可以使語言無關，平台無關。那麼，它的乾貨部分是protocol buffer是一種輕便高效的結構化資料儲存格式。
caffe在訓練的過程是邊訓練邊測試的。訓練過程中每test_interval次迭代（也就是test_interval*batchsize個訓練樣本參與了計算），計算一次測試誤差。計算一次測試誤差就需要包含所有的測試，這樣可以認為在乙個epoch裡，訓練集中的所有樣本都遍歷以一遍，但測試集的所有樣本至少要遍歷一次，至於具體要多少次，也許不是整數次，這就要看**，大致了解下這個過程就可以了。
知乎-賈揚清: 裡回答不是很詳細，但是很生動，關鍵是作者親臨，必須要放上來。
convolution in caffe: a memo: 卷積演算法。
如何理解卷積，另外如何理解影象處理中的卷積？: 最佳答案進行了多角度說明，如果對模版、濾波器、卷積核名詞有過了解，看了後可以加深它們共性的認識。
caffe原始碼閱讀（2） 卷積層: **跟讀，深入理解。
2016.12.13更新
2016.1.4更新
2016.1.13更新，未完待續
深度學習（八）caffe原始碼學習 未完待續
本文主要詳細講解caffe的直接呼叫方法。一 訓練相關 usr bin env sh tools cafferead build tools tools caffe train solver gender solver.prorotxt gpu all 加入 gpu 選項 gpu 可以選擇gpu的i...
Caffe學習筆記 Caffe模型
乙個完整的深度學習系統最核心的兩個方面是資料和模型。深度學習模型通常由三部分引數組成 可學習引數 learnable parameter 又稱可訓練引數 神經網路權係數 權重，其數值由模型初始化引數 誤差反向傳播過程控制，一般不可人工干預。結構引數 archetecture parameter 包括...
Redis學習 未完
linux下安裝redis 二，list操作 操作命令 string 說明set views hjm 如果沒有name這個鍵就先建立viewa，再賦值為0 get views 得到views得值 incr views 將views的值加一 incrby views 10 將views的值加10 de...