Caffe 学习系列2022-11-20 11:20:49学习列表： Google protocol buffer在windows下的编译 caffe windows 学习第一步：编译和安装（vs2012+win 64) caffe windows学习：第一个测试程序 Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+caffe+cudnn Caffe学习系列(2)：数据层及参数 Caffe学习系列(3)：视觉层（Vision Layers)及参数 Caffe学习系列(4)：激活层（Activiation Layers)及参数 Caffe学习系列(5)：其它常用层及参数 Caffe学习系列(6)：Blob,Layer and Net以及对应配置文件的编写 Caffe学习系列(7)：solver及其配置 Caffe学习系列(8)：solver优化方法 Caffe学习系列(9)：运行caffe自带的两个简单例子 Caffe学习系列(10)：命令行解析 Caffe学习系列(11)：图像数据转换成db（leveldb/lmdb)文件 Caffe学习系列(12)：训练和测试自己的图片 Caffe学习系列(13)：数据可视化环境（python接口)配置 Caffe学习系列(14)：初识数据可视化 Caffe学习系列(15)：计算图片数据的均值 Caffe学习系列(16)：caffemodel可视化 Caffe学习系列(17)：模型各层数据和参数可视化 Caffe学习系列(18): 绘制网络模型 Caffe学习系列(19): 绘制loss和accuracy曲线 Caffe学习系列(20)：用训练好的caffemodel来进行分类 Caffe学习系列(21)：caffe图形化操作工具digits的安装与运行 Caffe学习系列(22)：caffe图形化操作工具digits运行实例 Caffe学习系列(23)：如何将别人训练好的model用到自己的数据上 caffe的python接口学习（1）：生成配置文件 caffe的python接口学习（2）：生成solver文件 caffe的python接口学习（3）：训练模型（training) caffe的python接口学习（4）：mnist实例---手写数字识别 caffe的python接口学习（5）：生成deploy文件 caffe的python接口学习（6）：用训练好的模型（caffemodel）来分类新的图片 caffe的python接口学习（7）：绘制loss和accuracy曲线 caffe的python接口学习（8）：caffemodel中的参数及特征的抽取 上一篇：Caffe学习系列(3)：视觉层（Vision Layers)及参数下一篇：json中的dumps和loads