使用PyCaffe完全连接的多层感知器-Java 学习之路

我以前遇到过这个问题 . 之前我曾使用keras，sklearn，fann（C）作为神经网络，我想使用Caffe，因为它提供了一些额外的东西 . 但工作流程似乎很难适应 .

我想从使用PyCaffe的简单，完全连接的MLP开始 . 我想为它提供一个N维输入向量，并对它们进行多标签分类 . 我有训练数据 . 所有Caffe示例似乎都是为图像（方阵输入）编写的 .
我也更喜欢以编程方式配置网络，而不是使用大量配置文件 . 例如，Keras有一种使用 add() 顺序堆叠图层的方法 .

是否可以仅使用Python在Caffe中构建一个简单的网络？

1 回答

您应该查看 caffe.NetSpec() 接口：这允许您以编程方式构建网络 . 例如：

from caffe import layers as L, params as P, to_proto
import caffe

ns = cafe.NetSpec()

ns.fc1 = L.InnerProduct(name='fc1', inner_product_param={'num_output':100,
                                                         'weight_filler':{'type':'xavier','std':0.1},
                                                         'bias_filler':{'type':'constant','value':0}},
                                    param=[{'lr_mult':1,'decay_mult':2},
                                           {'lr_mult':2,'decay_mult':0}])
ns.relu1 = L.ReLU(ns.fc1, inplace=True)

回复于 2024-04-16T12:10:59+08:00

使用PyCaffe完全连接的多层感知器

1 回答

相关问题