1.2 MatConvNet一目了然

MatConvNet具有簡(jiǎn)單的設(shè)計(jì)理念。 它不是將CNN包裹在軟件的復(fù)雜層上，而是暴露了直接作為MATLAB命令的計(jì)算CNN構(gòu)造塊的簡(jiǎn)單函數(shù)，例如線性卷積和ReLU運(yùn)算符。這些構(gòu)建塊易于組合成完整的CNN，并且可以用于實(shí)現(xiàn)復(fù)雜的學(xué)習(xí)算法。雖然提供了小型和大型CNN架構(gòu)和培訓(xùn)例程的幾個(gè)現(xiàn)實(shí)例子，但是總是可以回到基礎(chǔ)并構(gòu)建自己的網(wǎng)絡(luò)，利用MATLAB在原型中的效率。通常不需要C編碼來嘗試新的體系結(jié)構(gòu)。 因此，MatConvNet是計(jì)算機(jī)視覺和CNNs研究的理想操練場(chǎng)。?
MatConvNet包含以下元素：?
CNN計(jì)算塊?
一組計(jì)算CNN的基本構(gòu)建塊的優(yōu)化例程。例如，卷積塊由?
y = vl_nnconv(x,f,b)?
實(shí)現(xiàn)，其中x是圖像，f是過濾器組，b是偏移矢量（第4.1節(jié)）。 導(dǎo)數(shù)計(jì)算為?
[dzdx,dzdf,dzdb] = vl_nnconv(x,f,b,dzdy)?
其中dzdy是CNN輸出w.r.t y的導(dǎo)數(shù)（第4.1節(jié)），第四章詳細(xì)描述所有塊。

CNN封裝?
MatConvNet提供了一個(gè)簡(jiǎn)單的包裝器，由vl_simplenn調(diào)用，實(shí)現(xiàn)具有線性拓?fù)?#xff08;一個(gè)塊鏈）的CNN。?
它還提供了一個(gè)更加靈活的包裝器，支持具有任意拓?fù)涞木W(wǎng)絡(luò)，封裝在dagnn，DagNN MATLAB類中。

示例應(yīng)用程序?
MatConvNet提供了幾個(gè)在MNIST，CIFAR10和ImageNet數(shù)據(jù)上學(xué)習(xí)具有隨機(jī)梯度下降和CPU或GPU的CNN的示例。

預(yù)訓(xùn)練模型?
MatConvNet提供了幾種先進(jìn)的預(yù)先訓(xùn)練的CNN模型，可以用于現(xiàn)成的，用于分類圖像或在Caffe或DeCAF的精神下產(chǎn)生的圖像編碼。

1.3文檔和示例

有關(guān)MatConvNet的三個(gè)主要信息來源。?
**首先，網(wǎng)站包含所有功能的描述和幾個(gè)例子和教程。?
第二，有一個(gè)PDF手冊(cè)，其中包含大量有關(guān)工具箱的技術(shù)細(xì)節(jié)，包括構(gòu)建塊的詳細(xì)數(shù)學(xué)描述。?
第三，MatConvNet附有幾個(gè)例子（第1.1節(jié)）。**

大多數(shù)示例是完全自包含的。?
例如，為了運(yùn)行MNIST示例，它將MATLAB指向MatConvNet根目錄，并鍵入addpath <-examples，后跟cnn_mnist。?
由于問題大小，ImageNet ILSVRC示例需要一些更多準(zhǔn)備，包括下載和預(yù)處理圖像(使用捆綁腳本utils /preprocess

1.5致謝

MatConvNet是一個(gè)社區(qū)項(xiàng)目，因此感謝所有貢獻(xiàn)者。我們衷心感謝NVIDIA支持這個(gè)項(xiàng)目，為我們提供了頂級(jí)的GPU和MathWorks，以進(jìn)行關(guān)于如何改進(jìn)庫的討論。?
在這個(gè)庫中的幾個(gè)CNN計(jì)算的實(shí)現(xiàn)是受到Caffe庫的啟發(fā)[5]（然而，Caffe不是依賴），幾個(gè)示例網(wǎng)絡(luò)已經(jīng)由Karen Simonyan作為[1]和[10]的一部分訓(xùn)練。

總結(jié)

以上是生活随笔為你收集整理的MatConvnet工具箱文档翻译理解（2）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。