【机器学习PAI实践十】深度学习Caffe框架实现图像分类的模型训练
背景
我们在之前的文章中介绍过如何通过PAI内置的TensorFlow框架实验基于Cifar10的图像分类，文章链接:https://yq.aliyun.com/articles/72841。使用Tensorflow做深度学习做深度学习的网络搭建和训练需要通过PYTHON代码才能使用，对于不太会写代码的同学还是有一定的使用门槛的。本文将介绍另一个深度学习框架Caffe，通过
py-faster-rcnn之python引入_caffe.so
本文并不给出“编写一个c++代码，然后编译为.so文件，然后在python中引入”的hello world，需要的请参考：http://www.oschina.net/question/437227_124449
本文意在强调，python的import，引入的不仅是.
【caffe】三种文件类别：solver,model和weights
@tags: caffe 文件类别
solver文件
是一堆超参数，比如迭代次数，是否用GPU，多少次迭代暂存一次训练所得参数，动量项，权重衰减（即正则化参数），基本的learning rate，多少次迭代打印一次loss,以及网络结构描述文件（即model文件）存储位置，等等
比如： lenet_solver.prototxt
model文件
也有一些参数，指定了深度卷积网的结构，包括每一层各个参数，以及训练输入的数据存放位置等。
【caffe】mnist训练日志
@tags caffe
前面根据train_lenet.sh改写了train_lenet.py后，在根目录下执行它，得到一系列输出，内容如下：
I1013 10:05:16.721294 1684 caffe.
【caffe】loss function、cost function和error
@tags: caffe 机器学习
在机器学习（暂时限定有监督学习）中，常见的算法大都可以划分为两个部分来理解它
一个是它的Hypothesis function，也就是你用一个函数f，来拟合任意一个输入x，让预测值t(t=f(x))来拟合真实值y
另一个是它的cost function，也就是你用一个函数E，来表示样本总体的误差。
(转) Face-Resources
本文转自：https://github.com/betars/Face-Resources
Face-Resources
Following is a growing list of some of the materials I found on the web for research on face recognition algorithm.