你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
机器视觉算法工程师 电子工程硕士
这些距离总体来说，差不太多，选择你熟悉的用就行了。
是不是你把卷积层的strip步长改小了？或者pooling层的strip改小了，导致生成的图像分辨率变大，增加后级计算量。 这样就需要做更密集的卷积，预测时间就会加长很多。
如果在不同线程调用Caffe，那么GPU加速就不起作用了。正在研究这个问题。
怎样开启BN呢？
要提取FC层的N维向量建模实在抽闲，暂时没有相关的能力进行处理。不过发现了一个使CNN泛化能力增强的方法。 采用CNN+SVM，实验发现泛化能力比纯CNN强不少。 详细过程见： http://caffecn.cn/?/question/1910
63 次浏览 • 1 个关注 • 2018-10-06
435 次浏览 • 2 个关注 • 2018-05-24
3228 次浏览 • 6 个关注 • 2018-05-10
543 次浏览 • 2 个关注 • 2018-04-13
829 次浏览 • 3 个关注 • 2018-04-12
2018-10-07 mhaoyang 回答了问题, caffe提取的特征对比
2018-10-07 mhaoyang 回答了问题, 相同的prototxt不同的caffemodel在CPU上的速度不同
2018-06-07 mhaoyang 回答了问题, caffe怎样实现在单gpu上开多线程，提高gpu的利用率
2018-05-11 mhaoyang 回答了问题, 请问BN层是什么？微软分支的caffe编译出来不支持，可以添加吗？谢谢
2018-05-10 mhaoyang 回答了问题, 能否直接使用深度学习的特征？
威望: 2 赞同: 5 感谢: 0
