帮酷LOGO
  • 显示原文与译文双语对照的内容
文章标签:network  DEEP  framework    神经网络  
Deep neural network framework (C++/OpenCV).

  • 源代码名称:conv-net-version-3
  • 源代码网址:http://www.github.com/xingdi-eric-yuan/conv-net-version-3
  • conv-net-version-3源代码文档
  • conv-net-version-3源代码下载
  • Git URL:
    git://www.github.com/xingdi-eric-yuan/conv-net-version-3.git
  • Git Clone代码到本地:
    git clone http://www.github.com/xingdi-eric-yuan/conv-net-version-3
  • Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/xingdi-eric-yuan/conv-net-version-3
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
  • #conv-net-version-3.1.0

    深层神经网络框架( C++/opencv ) 。

    若要运行这里代码,应具有

    • 一个 cifar-10 数据集( 放置"cifar-10-batches-bin"这个. md 文件,你可以从这里得到,确保下载的二进制版本适合C 程序) ;
    • OpenCV 3.0.
    • 控件

    ##Compile &运行

    • 编译:
    cmake. 
    make
    • 运行:
    ./cnn3

    ##Updates

    • 支持3-channels图像。
    • 添加丢失;
    • 支持本地响应规范化。
    • 使用日志文件深入挖掘。
    • 利用二阶导数反导法改变学习率。
    • Jul 1: 版本 3.1.0已经发布
    • : Jul.13 OpenCV 3.0支持,使用dft加速卷积

    ##Layer 配置描述

    • 每个层都有一个英镑的layer_name,一个英镑的layer_type,和一个收费的output_format 。
    • 目前有 2种输出格式: 矩阵 ( 。cv:: mat,CV_64FC1 ),图像。

    ####Input 图层

    • 批次大小: 训练过程使用小批量随机梯度下降。

    ####Convolutional 图层

    • 内核大小: 卷积计算的内核大小。
    • 核量: 卷积计算的核量。
    • : 组合特征图的数量,可以在卷积神经网络的注解中找到。
    • 卷积核加权衰减:重衰减。
    • 填充: 在进行卷积之前填充。
    • 步长: 做卷积时,有效的"卷积类型,结果大小= ( image_size + 2 * 填充- kernel_size )/步幅+ 1 ) 。

    ####Fully 连接层

    • 隐藏神经元: 完全连接层的大小。
    • 重衰减: 完全连接层的重量衰减。

    ####Softmax 图层

    • : softmax层的输出大小。
    • 重衰减: softmax层的重量衰减。

    ####Non-linearity 图层

    • 方法: sigmoid/tanh/relu/leaky_relu.

    ####Pooling 图层

    • 方法: max/mean/stochastic.
    • 重叠: 如果使用重叠池。
    • 窗口大小: 使用重叠池时的窗口大小。
    • : stride 。

    ####Local 响应标准化层

    • ,英镑,英镑,英镑,价格为: 采用深卷积神经网络( ) 方法,实现了 ImageNet分类。

    ####Dropout 图层

    • 丢失率: 生成伯努利矩阵时的零百分比。

    ####Combine 图层

    • 用于实现 GoogLeNet,todo 。

    ####Branch 图层

    • 用于实现 GoogLeNet,todo 。

    ##Structure 和算法在我的科技博客看到我关于CNNs的几个帖子。

    ##TODO *combine 层 *branch 层

    ##GPU 版本还有一个GPU版本的代码我使用 nVidia CUDA 。

    麻省理工学院许可证( MIT )

    版权所有( c ) 2014 Xingdi ( Eric ) 元

    若要在取得该软件副本时免费授予任何人,如有下列条件的软件,请免费授予该软件的副本,并与相关的文档文件("软件") 进行许可,包括不受限制的权利,包括以下条件:

    上述版权声明和本许可声明须包括在所有的副本或实质性部分的软件。

    软件是"是",没有任何保证,表示或者隐含,包括但不限于销售,适合特定用途和 NONINFRINGEMENT 。 作者或者版权持有人在合同。侵权或者它的他与软件或者它的他用户交易的行为。



    文章标签:  framework  network  DEEP  神经网络  

    Copyright © 2011 HelpLib All rights reserved.    知识分享协议 京ICP备05059198号-3  |  如果智培  |  酷兔英语