DL学习笔记【8】caffe参数调节-激活函数层
2016-07-26 13:25
459 查看
转自:http://www.cnblogs.com/lutingting/p/5240688.html
在caffe中,网络的结构由prototxt文件中给出,由一些列的Layer(层)组成,常用的层如:数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等;本篇主要介绍激活函数层
下面首先给出激活函数层的结构设置的一个小例子(定义在.prototxt文件中)
注意:activation是一种element-wise的操作,所以,可以做in-place来节约内存,通过给bottom blob和top blon相同的名字来实验
在caffe中,网络的结构由prototxt文件中给出,由一些列的Layer(层)组成,常用的层如:数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等;本篇主要介绍激活函数层
1. 激活函数层总述
下面首先给出激活函数层的结构设置的一个小例子(定义在.prototxt文件中) layer { name: "relu1" //该层名称 type: "ReLU" //激活函数类型 bottom: "conv1" //该层输入数据blob top: "conv1" //该层输出数据blob }
注意:activation是一种element-wise的操作,所以,可以做in-place来节约内存,通过给bottom blob和top blon相同的名字来实验
2. 可选激活函数类型
type:"Sigmoid":f(x)=1/(1+e(-x))
type:"ReLu":f(x)=max(x,0)
type:"AbsVal":f(x)=abs(x)
type:"TanH":f(x)=[e(x)-e(-x)]/[e(x)+e(-x)]
type:"BNLL":f(x)= (shift + scale * x) ^ power
type:"Power":f(x)=log(1 + exp(x))
参考:caffe tutorial
相关文章推荐
- Some Notes of Caffe Installation
- Some Notes of Python Interfaces Pycaffe (Caffe)
- TensorFlow人工智能引擎入门教程之十二 Caffe转换tensorflow并 跨平台调用
- TensorFlow人工智能引擎入门教程所有目录
- 安装caffe过程记录
- py-faster-rcnn训练笔记(ubuntu14.04+cuda7.5+cuDNNv3+Python2.7)
- 准确率, 召回率,mAP
- ubuntu 14.04上配置无GPU的Caffe(A卡机适用)
- caffe term: epoch, itr
- Ubuntu14.04 安装Caffe(仅CPU)
- deep learning for face detection (caffe C++)
- caffe+ubuntu14.04
- caffe中的iteration,batch_size, epochs理解
- Mac下Caffe安装-无GPU
- caffe solver.prototxt文件
- caffe模型的使用
- 为 Caffe 添加新的 DataLayer
- error :No module named google.protobuf.internal
- Extract CNN features using Caffe
- 配置Caffe+VS2013+CUDA 6.5+Windows 8.1 64位系统