Chapter 0 初入深度学习实战

最近一直在学习深度学习相关的知识，看文献，看博客，看书，与别人讨论，等等，但是总觉得这样的学习只是停留在表面，无法去深入的学习到深度学习的内幕。于是，决定开始深度学习的实战，鉴于之前在Windows平台下面做过BP算法的program，想找个Windows平台下开源框架来学习。各种搜索后，最终决定学习 Caffe (Convolutional Architecture for Fast Feature Embedding) 框架。这里顺便为知乎打个广告，在搜索使用什么框架的时候，个人感觉知乎上别人的回答还是很好的，所谓专业的人回答专业的问题，我觉得这是知乎不同于其它搜索引擎的地方。

选择Caffe，是因为以下几点：

1.基于C++的开源框架；

2.有windows下的Project；

3.有Demo。

而大家广泛推荐的TensorFlow也很好，但是没有windows平台下的project，对于不是经常搞Linux而言，使用起来还是有困难的，因为要搞懂其原理，所以对源码的调试很重要。

接下来本篇将采用标题链接的形式持续更新Caffe的学习过程。

Chapter 1 ：初探Caffe

Chapter 2 ：Build libcaffe

Chapter 3： Start with MNIST Demo

Chapter 4 : 深入理解Caffe MNIST DEMO中的LeNet网络模型

Chapter 5： Convert Image Set To LevelDB/LMDB

Chapter 6： Windows下编译pycaffe

Chapter 7： Windows下pycaffe的使用之draw_net.py

Deep Learning Practice【开篇】的更多相关文章

  1. （转）Nuts and Bolts of Applying Deep Learning

    Kevin Zakka's Blog About Nuts and Bolts of Applying Deep Learning Sep 26, 2016 This weekend was very ...

  2. 【深度学习Deep Learning】资料大全

    最近在学深度学习相关的东西,在网上搜集到了一些不错的资料,现在汇总一下: Free Online Books  by Yoshua Bengio, Ian Goodfellow and Aaron C ...

  3. （转）分布式深度学习系统构建 简介 Distributed Deep Learning

    HOME ABOUT CONTACT SUBSCRIBE VIA RSS   DEEP LEARNING FOR ENTERPRISE Distributed Deep Learning, Part ...

  4. (转) Deep learning architecture diagrams

    FastML Machine learning made easy RSS Home Contents Popular Links Backgrounds About Deep learning ar ...

  5. Why Deep Learning Works – Key Insights and Saddle Points

    Why Deep Learning Works – Key Insights and Saddle Points A quality discussion on the theoretical mot ...

  6. 如何选择分类器？LR、SVM、Ensemble、Deep learning

    转自:https://www.quora.com/What-are-the-advantages-of-different-classification-algorithms There are a ...

  7. Machine and Deep Learning with Python

    Machine and Deep Learning with Python Education Tutorials and courses Supervised learning superstiti ...

  8. Deep Learning and the Triumph of Empiricism

    Deep Learning and the Triumph of Empiricism By Zachary Chase Lipton, July 2015 Deep learning is now ...

  9. A Full Hardware Guide to Deep Learning

    A Full Hardware Guide to Deep Learning Deep Learning is very computationally intensive, so you will ...

随机推荐

  1. *IDEA真好用

    使用maven做开发,在编辑pom.xml文件时

  2. notepad++每行首尾添加内容

    有时候我们需要给一个文本文件的每行前面或后面添加一些内容,例如我们一个文本文件里存放了很多图片的地址,现在我们需要把这些图片批量转换成html标记 百度经验:jingyan.baidu.com 工具/ ...

  3. Spring IoC — 基于XML的配置

    1.属性注入 注意点: 1)如果类中显示定义了一个带参的构造函数,则一定还要显示提供一个无参构造函数,否则使用属性注入时将抛出异常. 2)JavaBean关于属性命名的特殊规范.Spring只会检查B ...

  4. eclipse（STS,myeclipse)老是报ThreadPoolExecutor$Worker.run()

    资料地址:http://stackoverflow.com/questions/6290470/eclipse-debugger-always-blocks-on-threadpoolexecutor ...

  5. 排序 归并排序&逆序对

    void MergeArray(int cry[],int temp[],int begin,int middle,int end) { int i=begin; int j=middle+1; in ...

  6. cas单点登出

    由于项目需求要实现单点登出需要在网上找了N久终于实现单点登出. 使用cas-server-core-3.3.3.jar(CAS Server 3.3.3) 使用cas-client-core-3.1. ...

  7. LE33

    MIC5207-3.3YM5 MIC5207-3.3BM5 LE33代码电源管理IC芯片全新原装 http://item.taobao.com/item.htm?spm=a230r.1.14.251. ...

  8. [Codeforces673C]Bear and Colors（枚举，暴力）

    题目链接:http://codeforces.com/contest/673/problem/C 题意:给一串数,不同大小的区间内出现次数最多的那个数在计数的时候会+1,问所有区间都这样计一次数,所有 ...

  9. bzoj1913

    这是一道好题,要求每个三点圆覆盖的点数和 我们可以算四边形的贡献,四边形显然分成两种:凸四边形和凹四边形 显然,凹四边形的覆盖只可能是三个点组成三角形包含另一个点,所以贡献是1 凸四边形,其最小圆覆盖 ...

  10. uva580Critical Mass

    递推.   用f[i]代表i个盒子的放法,设g[i]=2^n-f[i],代表i个盒子不满足条件的放法. 枚举第一个U所在的位置j.则方法有g[j-2]*(2^(i-j-2))种,j-1必须是L. 所以 ...