深度学习Caffe框架实战剖析教程(深度学习、机器学习、LeNet-5模型、MNIST数据集、CNN)
  
收藏课程
9999+

深度学习Caffe框架实战剖析教程(深度学习、机器学习、LeNet-5模型、MNIST数据集、CNN)

本教程以目前已经大量用于线上系统的深度学习主流框架Caffe为例,从底层开始,由浅入深,先是概述Caffe框架,说明其和深度学习的关系,然后讲解并演示 Caff...

适合人群:中级
课时数量:37课时
用到技术:LeNet-5模型 MNIST数据集 CNN
涉及项目:LeNet网络模型

  • 课程顾问贴心解答

    为你推荐精品课程,无论就业还是升职加薪,毫无压力。

  • 名企定制紧随大流

    量身打造紧贴企业需求的实用性课程。

  • 系统教学把控效果

    集学、测、练为一体的学习系统为你科学的安排学习进度,提高效率。

  • 一线大师1对1指导

    课程研发团队内一线资深讲师一对一指导,手把手教学,直到学会。

  • 点播答疑完美结合

    每周2-3次直播解答,保证学员日常学习问题能得到解决。

  • 量身定制学习计划

    告别杂乱的学习方式,我们会根据你的情况定制学习计划。

 

现如今,在深度学习领域中的主流开源框架有很多。而Caffe框架是人们无法绕过的一座山。这不仅是因为它无论在结构、性能上,还是在代码质量上,都称得上一款十分出色的开源框架。更重要的是,它将深度学习的每一个细节都原原本本地展现出来,大大降低了人们学习研究和开发的难度。Caffe框架之所以广受欢迎是因为其稳定的模型架构、较好的设备抽象、清晰的说明教程(用户只需要将官方文档的例子跑一遍,基本就能清楚Caffe的操作过程和细节)以及开放的模型仓库。
本教程详细介绍了Caffe的优势、架构,网络定义、各层定义,Caffe的安装与配置,解读了Caffe中Filler的作用以及cifar10、ImageNet数据集和mnist数据集创建lmdb或leveldb类型的数据等等。再加上大量的解析Caffe中重要的源码理解其精髓,加强对深度学习理论的理解。在教程的最后还配有Caffe完整的案例解析。

 

 

1.课程研发环境
主要讲解的是Windows环境下Caffe框架
操作系统:推荐Windows Server 2012 R2 64bit或Windows 7 SP1 64bit以上
编译环境:Visual Studio 2013 Ultimate版
CAFFE数据包


2.内容简介
本教程以目前已经大量用于线上系统的深度学习主流框架Caffe为例,从底层开始,由浅入深,先是概述Caffe框架,说明其和深度学习的关系,然后讲解并演示 Caffe的配置、部署、使用,接着讲解了Caffe的基本数据结构,然后通过大量的阅读Caffe源码理解其精髓,加强对深度学习理论的理解,最终达到熟练运用 Caffe 解决实际问题的目的。本教程还讲解了Caffe框架中的MNIST数据集,从使用脚本下载数据集,再到其数据格式的一个描述,最后还详细演示了其数据格式转换。和其他深度学习主流框架教程相比,本教程偏重动手实践,将难以捉摸的枯燥理论用浅显易懂的形式表达,透过代码揭开其神秘面纱,更多地贴近实际应用。  

 

 

 

刘新老师多年项目开发经验,同时从事某教学机构 Java教学讲师,获得人力资源和社会保障部的“系统分析师”-高级认证。
擅长技术Javase,Javaee,Jsp,Servlet,Jdbc,Oracle,JQuery,JQuery Easyui,Struts,Hibernate,Spring,Ssh,Mybatis,Ssi,Jfreechart,Freemaker,Web Service,Restful,Security,Maven,Cvs,Svn,RIA,Flex,Cache,Ejb,Corba,Mom,Uml,Hadoop讲课风格:全案例教学模式,条理清晰、逻辑性强,可使学员快速入门。同时适用于基础薄弱的学员和有一定项目经验的学员。

 

 

第1讲-初识Caffe
1.1-Caffe的简介和其安装
1.2-数据格式描述以及LEVELDB和LMDB介绍
1.3-数据格式转换描述
1.4-数据格式转换与LeNet5模型描述
1.5-LeNet5模型和Caffe目录结构


第2讲-Caffe中Filler的作用和cifar10数据集创建lmdb或leveldb类型的数据
2.1-Filler类前
2.2-Filler类中
2.3-Filler类后
2.4-cifar10函数分析上
2.5-cifar10函数分析下


第3讲-Caffe数据结构
3.1-Blob的简介和主要源码解析
3.2-Blob所有源码的解析
3.3-Layer的介绍和其主要源码的解析
3.4-Layer所有源码的解析
3.5-Net简介与源码解析


第4讲-解析Caffe.proto和sovler-factory
4.1-protocol buffer
4.2-caffe.proto中的几个重要数据类型
4.3-caffe.proto
4.4-Solver工厂类注册Solver子类
4.5-solver_factory.hpp


第5讲-Caffe程序入口分析及其训练源码基本流程
5.1-Caffe程序运行流程上
5.2-Caffe程序运行流程下
5.3-训练LeNet和网络初始化
5.4-训练过程


第6讲-Caffe计算图像均值描述和ImageNet数据集创建lmdb类型的数据
6.1-计算图像均值
6.2-计算图像均值描述
6.3-ImageNet数据集创建lmdb类型的数据前部分
6.4-ImageNet数据集创建lmdb类型的数据后部分


第7讲-加深学习Caffe源码
7.1-介绍Caffe代码结构及其定义网络结构
7.2-读取和解析数据代码
7.3-Google Flags和Register Brew Function的宏的使用
7.4-train()函数和SolverParameter的解析过程


第8讲-完整案例源码解析
8.1-LeNetSolver初始化
8.2-LeNet初始化训练网络上
8.3-LeNet初始化训练网络下
8.4-LeNet前向过程
8.5-LeNet反向过程

 

 

 

 

 




目标一. 了解Caffe框架的环境配置以及LEVELDB和LMDB数据。


目标二. 学习并且掌握Caffe框架最基础的数据结构,明白其各结构之间的关系。


目标三. 阅读明白Caffe框架的源码,特别是其入口程序也就是Caffe.cpp的源码理解,这样可以熟悉Caffe程序运行流程。


目标四. 明白Caffe最优化求解过程,重点是求解器,以及求解器的实现等等。




亮点一、从基础方面来讲,主要详细的演示了Caffe框架在windows系统下的配置、部署,并且对其基本的数据结构进行全面讲解。


亮点二、从实践方向来讲,详细的讲解了LeNet从初始化网络到训练网络再到最后的前向过程以及反向过程。还介绍了深度学习项目实战,包括数据集的准备、数据清洗、卷积神经网络知识讲解。


亮点三、从Caffe框架内部来讲不仅详细分析了Caffe框架它的入口程序是怎样工作的,还对其训练源码的基本流程进行了剖析。


亮点四、本教程由浅到深,从Caffe的安装开始讲起到最后的案例解析,不管是初学者还是有一定基础学员的都可以学习,并且在PPT方面没有太多枯燥乏味的文字介绍,用浅显易懂的图片给大家带来不一样的教程。




1.课程针对人群
本课程适合的学者:
(1)对人工智能、机器学习感兴趣;
(2)希望用深度学习完成设计的计算机或电子信息专业学生;
(3)准备开设机器学习,深度学习实践的授课老师;
(4)学习过 C++,希望进一步提升编程水平的开发者。


2.我该怎么学,如何才能学好这门课程,给些建议。
   4.1、时间上的安排建议
      本课程共37讲,如果您时间上充分,建议以每天2-3讲的进度往前学习。 
   4.2、学习要求
      如果您没有基础,建议还是中规中矩的按照课程进度一点一点仔细观看学习,并一定要把看完的视频中的代码自己手敲一遍,以加深理解和记忆
      如果您有基础,可不必按步就搬进行,可以拿你感兴趣的部分去学习,但一定要注意实践,并学会举一反三 
   4.3、讲师建议
         1.最好看完视频之后,抛开视频,独立自己去把上课中的示例写一遍,看自己是否理解,如果不正确,可以回过头看再看下视频,如果反复,达到真正理解和熟练掌握的目的。
         2.对于项目实战部分,一定要自己亲自动手做一遍,不要满足听完就OK了
         3. 建议一般听视频,一般拿个纸和笔,做一些记录和笔记,这是一种非常好的学习习惯。
         4. 一定不要过于依赖视频,要学会看API和使用百度,学会思考,学会举一反三
         5. 最后祝您学有所成




课程是属于某个特定的专业技术,掌握该技术后,你可以从事以下职位的相关工作

1.计算机视觉算法工程师
2.大数据 服务器
3.C++开发工程师