出于对性能和多GPU训练CNN的考虑，这段时间一直在研究cuda-convnet2。搜了下，网上居然一篇像样的研究cuda-convnet2 代码的文章都找不到，看来假期有的忙了。Caffe作者贾扬清也在一些场合表达了对Convnet2作者Alex的仰慕之情，可见两个CNN实现的差距。Caffe比较符合大众的口味，而convnet2符合GPU发烧友的追求。convnet2代码风格不如Caffe那样

读者可能还记得本系列博客（二）和（六）中 tf.nn 模块，其中最关心的是 conv2d 这个函数。首先将博客（二） MNIST 例程中 convolutional.py 关键源码列出：def model(data, train=False):"""The Model definition."""# 2D convolution, with 'SAME' p

英文论文链接：http://cadlab.cs.ucla.edu/~cong/slides/fpga2015_chen.pdf翻译：卜居转载请注明出处：http://blog.csdn.net/kkk584520/article/details/47450159【0. 摘要】CNN已经广泛用于图像识别，因为它能模仿生物视觉神经的行为获得很高识别准确率。最近，基于深度学习算法的现代应用高速增长进一步

本文作于 2016/12/25，作者卜居。写在前面：本文假定读者有一定 CUDA 基础。如果你对 GPU, sm_60/sm_61，CUDA 这些名词感到陌生，可以看我之前写的博客《CUDA 从入门到精通》。 1. 前言Nvidia 在今年的 GTC( GPU Technology Conference ) 上高调宣布了 Pascal 架构——专门针对每瓦性能优化的新架构，采用 16n...

在论文中经常看到一些 CNN 模型示意图，例如下面这个经典的 LeNet-5 ：很多写论文的同学会问，该怎么画这些图？常用的绘图工具例如 Visio 肯定是可以的，用熟了几乎可以绘制任何需要的图。可惜我用的 Mac，自带的 Office 巨难用而且充满 bug，常常莫名其妙地关闭导致一些工作前功尽弃。还好发现了 Keynote ，除了做 PPT 之外发现绘图也是相当炫酷。以上面的图为例，徒手画了几

通过几个例程，我们逐渐对 TensorFlow 建立了感性认识。本文将进一步从内在原理进行深入理解，进而为阅读源码打好基础。1. 编程模型TensorFlow 计算被抽象为包括若干节点的有向图。如下图所示例子：对应的 TensorFlow Python 代码如下：import tensorflow as tfb = tf.Variable(tf.zeros([100]

收拾屋子时翻到一个皱皱的笔记本，封面是这样的：嗯，高数，是大一时的笔记本。咦，操作系统，难道？翻开，从前向后看，稚气未脱的笔迹映入眼帘。居然是2008年的笔记。隐约记得那个火热的夏天，我在自习室复习高数备考，楼道里传来一声吼：放假啦~高数不考啦~ 跟导员沟通后了解是奥运会的缘故，学校提前放假，所有考试延期到开学后。如果这篇博客只是让大家回顾下高数，那估计很多朋友立刻失去兴趣了。其实不然，那个假期，

百度网盘已弃用。随书资源已经放在码云和 github，方便国内外朋友下载。码云：https://gitee.com/yongkezhao/PracticeCaffeIn21Daysgithub：https://github.com/zhaoyongke/Caffe21Days----------------------------------------------------------不少读者

安装过程PIP 安装安装 PIP安装 TensorFlowPIP 安装的优缺点源码编译安装下载源码安装 Bazel配置编译源码安装的优缺点Docker 镜像安装官方镜像创建 Docker 用户组启动 Docker 容器Docker 镜像安装的优缺点使用过程K40 上运行输出M40 上运行输出GTX1080 上运行输出P40 上输出注意事项安装过程目前较为稳定

通过几个例程，我们逐渐对 TensorFlow 建立了感性认识。本文将进一步从内在原理进行深入理解，进而为阅读源码打好基础。1. 编程模型TensorFlow 计算被抽象为包括若干节点的有向图。如下图所示例子：对应的 TensorFlow Python 代码如下：import tensorflow as tfb = tf.Variable(tf.zeros([100]