文件名称：caffe学习课件,好东西
文件大小：25.53MB
文件格式：ZIP
更新时间：2023-12-05 20:25:35
caffe
Caffe，全称Convolutional Architecture for Fast Feature Embedding，是一个兼具表达性、速度和思维模块化的深度学习框架。由伯克利人工智能研究小组和伯克利视觉和学习中心开发。虽然其内核是用C++编写的，但Caffe有Python和Matlab 相关接口。Caffe支持多种类型的深度学习架构，面向图像分类和图像分割，还支持CNN、RCNN、LSTM和全连接神经网络设计。Caffe支持基于GPU和CPU的加速计算内核库，如NVIDIA cuDNN和Intel MKL。
【文件预览】：
课件
----27()
--------1602.07261-Inception-v4.pdf(935KB)
----10()
--------p1.py(2KB)
----26()
--------00-classification-ResNet.ipynb(594KB)
----28()
--------classifier_readme.txt(417B)
----18()
--------conv_pool_layer.py(3KB)
----23()
--------00-classification-NIN.ipynb(571KB)
----11()
--------auto_solver01.prototxt(276B)
--------p0.py(2KB)
--------gen_data.py(1KB)
----8()
--------p2_test_accu.py(1KB)
--------p3_py_accu.py(2KB)
--------p1_accu.py(2KB)
--------auto_solver00_step.prototxt(224B)
----22()
--------result_finetune1.txt(2KB)
--------finetune_caffenet.py(8KB)
--------1311.3715v3-Flickr-Style_note.pdf(3.14MB)
----4()
--------hbk_mnist_solver_py.prototxt(778B)
--------p0.py(1KB)
----9()
--------hbk_mnist_solver.prototxt(631B)
--------hbk_mnist.prototxt(1KB)
--------p0.py(1KB)
--------output.png(34KB)
----14()
--------auto_solver00.prototxt(219B)
--------gen_lmdb_data.py(3KB)
--------p0.py(2KB)
----7()
--------p0_loss.py(1KB)
--------auto_solver00_right.prototxt(198B)
----5()
--------gen_data_00.py(2KB)
--------p0.py(1KB)
--------notMNIST_small.tar.gz(8.02MB)
--------dm_solver.prototxt(352B)
----17()
--------p0.py(2KB)
----29()
--------p0.py(865B)
----12()
--------auto_solver00.prototxt(220B)
--------VOC2012.ipynb(373KB)
--------p0.py(2KB)
--------gen_data.py(1KB)
----2()
--------hbk_mnist_solver.prototxt(737B)
--------hbk_mnist.prototxt(2KB)
--------mnist.tar.gz(10.96MB)
----20()
--------net.jpg(149KB)
--------imagenet-classification-with-deep-convolutional-neural-networks_note.pdf(1.37MB)
----15()
--------gen_lmdb_data.py(2KB)
--------p0.py(3KB)
----25()
--------BN_layer.py(2KB)
----3()
--------parse_log.sh(2KB)
----6()
--------auto_solver00.prototxt(195B)
--------p0.py(1KB)
----24()
--------concat_slice_layer.py(1KB)
--------00-classification-GoogleNet.ipynb(496KB)