我的小小AI 天地

之前一直用CPU 跑 caffe 

但後來發現實在是太慢了

尤其是遇到跑很大網路的時候

因此小編馬上就去敗一張顯卡(nvidia 1070)回來

小編是參考這篇文章買的 請點我

網路上湊巧看到 Google Deep dream的程式

看看說明 用caffe 寫的!!! 剛好最近在學

好奇心驅使之下就下載去玩玩了

首先clone 下原始檔吧

這是無意中發現的

原來caffe 有內建函數draw_net

讓使用者畫出網路圖

賈先生太強了~~

廢話不多說 開始吧

本教學將教你如何改寫網路

使它可以當成deploy層 讓你取出數據

以下教學皆翻譯來自官網:

https://github.com/BVLC/caffe/wiki/Using-a-Trained-Network:-Deploy

這裡我們以autoencoder 作為例子

LMDB介紹

Caffe使用LMDB來存放訓練/測試用的數據集，以及使用網絡提取出的feature（為了方便，以下還是統稱數據集）。數據集的結構很簡單，就是大量的矩陣/向量數據平鋪開來。數據之間沒有什麼關聯，數據內沒有復雜的對象結構，就是向量和矩陣。既然數據並不復雜，Caffe就選擇了LMDB這個簡單的數據庫來存放數據。

LMDB的全稱是Lightning Memory-Mapped Database，閃電般的內存映射數據庫。它文件結構簡單，一個文件夾，裡面一個數據文件，一個鎖文件。數據隨意複製，隨意傳輸。它的訪問簡單，不需要運行單獨的數據庫管理進程，只要在訪問數據的代碼裡引用LMDB庫，訪問時給文件路徑即可。

了解 caffe 之前必須先懂得 這四個東西之間的關係

四個物件是一層包一層的

Blob，Layer，Net，Solve

附圖為深度神經網路辨識圖片的分類 可以看到網路精準地分出下圖為一輛跑車

左邊分別代表各個Label 的機率 右邊代表對應的Label

如果你也想和我一樣測試自己圖片的話  那趕快往下看

小編會陸續帶您完成caffe 的安裝~~