2.2依赖库与工具
依赖包：lprotobuf leveldb snappy opencv hdf5-serial protobuf-compiler boost
工具：google-glog、google-gflag、git
2.3 核心软件的安装
lmdb
OpenCV Caffe
git clone
3.1 mnist数据集
深度学习框架caffe的介绍 谢谢！
手写数字图片 60000张训练库图片 10000张测试库图片
./get_mnist.sh
3.2mnist数据集的格式转换
3.3全局参数配置（lenet_solver.prototxt）
3.4 LeNet网络（lenet_train_test.prototxt）
layer { name: "mnist" type: "Data" transform_param { scale: 0.00390625 } data_param { source: "mnist_train_lmdb" backend: LMDB batch_size: 64 } top: "data" top: "label"
4 caffe的应用实例——识别一张动物图片
采用已训练好模型： ImageNet 测试对象：Model Zoodog测试结果：
博美犬 碟耳长毛玩赏小狗
威尔士柯基犬 吉娃娃（一种产于墨西哥的狗）
5 小结
基本完成caffe运行环境搭建 成功训练了mnist模型 准确识别出图像 未成功安装GPU驱动程序，模型的训练是通过CPU进行运算 未深入研究caffe所应用到的深度学习网络模型 未研究深度学习相关数学知识以及caffe源代码
}
layer { name: "conv1" type: "Convolution" param { lr_mult: 1 } param { lr_mult: 2 } convolution_param { num_output: 20 kernel_size: 5 stride: 1 weight_filler { type: "xavier" } bias_filler { type: "constant" } } bottom: "data" top: "conv1"
深度学习框架caffe的介绍
Robothy
1.1caffe产生
提出了一个很好的概率框架来表达人 的行为
但是因为图像上提取的特征比较弱，
可以外推的结果比较有限。 NVIDIA赠送GPU
贾扬清
1.2Caffe的特点 上手快
速度快
开放性
社区好
跨平台
2.1硬件配置与操作系统
处理器：Intel(R) Core(TM) i5-3230M CPU @ 2.60GHz 内存：4GB 操作系统：Ubuntu14.04 64bit 磁盘：安装磁盘空间为100GB
}
3.5 训练与测试
mnist训练时间约20min
I0614 00:40:08.291082 7064 sgd_solver.cpp:106] Iteration 100, lr = 0.00992565 I0614 00:40:17.023165 7064 solver.cpp:228] Iteration 200, loss = 0.143513 I0614 00:40:17.023233 7064 solver.cpp:244] Train net output #0: loss = 0.143513 (* 1 = 0.143513 loss) I0614 00:40:17.023252 7064 sgd_solver.cpp:106] Iteration 200, lr = 0.00985258 I0614 00:40:25.631428 7064 solver.cpp:228] Iteration 300, loss = 0.162749 I0614 00:40:25.631542 7064 solver.cpp:244] Train net output #0: loss = 0.162749 (* 1 = 0.162749 loss) I0614 00:40:25.631561 7064 sgd_solver.cpp:106] Iteration 300, lr = 0.00978075 I0614 00:40:34.705716 7064 solver.cpp:228] Iteration 400, loss = 0.0588523 I0614 00:40:34.705777 7064 solver.cpp:244] Train net output #0: loss = 0.0588523 (* 1 = 0.0588523 loss)