实例介绍
matconvnet的gpu编译版本(cuda7.5),64位系统,(其他的cuda版本能不能用不太清楚,可以试试)
【实例截图】
【核心代码】
matconvnet
└── matconvnet
├── CONTRIBUTING.md
├── COPYING
├── doc
│ ├── blocks.tex
│ ├── figures
│ │ ├── imnet.pdf
│ │ ├── pepper.pdf
│ │ └── svg
│ │ ├── conv.svg
│ │ ├── convt.svg
│ │ ├── matconvnet-blue.svg
│ │ └── matconvnet-white.svg
│ ├── fundamentals.tex
│ ├── geometry.tex
│ ├── impl.tex
│ ├── intro.tex
│ ├── Makefile
│ ├── matconvnet-manual.tex
│ ├── matdocparser.py
│ ├── matdoc.py
│ ├── references.bib
│ ├── site
│ │ ├── docs
│ │ │ ├── about.md
│ │ │ ├── css
│ │ │ │ └── fixes.css
│ │ │ ├── developers.md
│ │ │ ├── faq.md
│ │ │ ├── figures
│ │ │ │ ├── stn-perf.png
│ │ │ │ └── stn-samples.png
│ │ │ ├── functions.md
│ │ │ ├── gpu.md
│ │ │ ├── index.md
│ │ │ ├── install-alt.md
│ │ │ ├── install.md
│ │ │ ├── js
│ │ │ │ ├── mathjaxhelper.js
│ │ │ │ └── toggle.js
│ │ │ ├── pretrained.md
│ │ │ ├── quick.md
│ │ │ ├── spatial-transformer.md
│ │ │ ├── training.md
│ │ │ └── wrappers.md
│ │ ├── mkdocs.yml
│ │ └── theme
│ │ ├── base.html
│ │ ├── content.html
│ │ ├── css
│ │ │ └── base.css
│ │ ├── js
│ │ │ └── base.js
│ │ ├── matconvnet-blue.svg
│ │ ├── nav.html
│ │ └── toc.html
│ └── wrappers.tex
├── examples
│ ├── cifar
│ │ ├── cnn_cifar_init.m
│ │ ├── cnn_cifar_init_nin.m
│ │ └── cnn_cifar.m
│ ├── cnn_train_dag.m
│ ├── cnn_train.m
│ ├── imagenet
│ │ ├── cnn_imagenet_camdemo.m
│ │ ├── cnn_imagenet_deploy.m
│ │ ├── cnn_imagenet_evaluate.m
│ │ ├── cnn_imagenet_get_batch.m
│ │ ├── cnn_imagenet_googlenet.m
│ │ ├── cnn_imagenet_init.m
│ │ ├── cnn_imagenet.m
│ │ ├── cnn_imagenet_minimal.m
│ │ ├── cnn_imagenet_setup_data.m
│ │ └── cnn_imagenet_sync_labels.m
│ ├── mnist
│ │ ├── cnn_mnist_experiments.m
│ │ ├── cnn_mnist_init.m
│ │ └── cnn_mnist.m
│ ├── spatial_transformer
│ │ ├── cnn_mnist_init.m
│ │ ├── cnn_stn_cluttered_mnist_init.m
│ │ ├── cnn_stn_cluttered_mnist.m
│ │ └── readme.txt
│ └── vggfaces
│ └── cnn_vgg_faces.m
├── Makefile
├── matconvnet.sln
├── matconvnet.vcxproj
├── matconvnet.vcxproj.filters
├── matconvnet.xcodeproj
│ ├── project.pbxproj
│ ├── project.xcworkspace
│ │ └── contents.xcworkspacedata
│ └── xcshareddata
│ └── xcschemes
│ ├── matconv CPU.xcscheme
│ ├── matconv cuDNN.xcscheme
│ └── matconv GPU.xcscheme
├── matlab
│ ├── compatibility
│ │ └── parallel
│ │ ├── gather.m
│ │ ├── labindex.m
│ │ └── numlabs.m
│ ├── +dagnn
│ │ ├── AffineGridGenerator.m
│ │ ├── BatchNorm.m
│ │ ├── BilinearSampler.m
│ │ ├── Concat.m
│ │ ├── Conv.m
│ │ ├── ConvTranspose.m
│ │ ├── Crop.m
│ │ ├── @DagNN
│ │ │ ├── addLayer.m
│ │ │ ├── DagNN.m
│ │ │ ├── eval.m
│ │ │ ├── fromSimpleNN.m
│ │ │ ├── getVarReceptiveFields.m
│ │ │ ├── getVarSizes.m
│ │ │ ├── initParams.m
│ │ │ ├── loadobj.m
│ │ │ ├── move.m
│ │ │ ├── print.m
│ │ │ ├── rebuild.m
│ │ │ ├── removeLayer.m
│ │ │ ├── renameLayer.m
│ │ │ ├── renameVar.m
│ │ │ ├── reset.m
│ │ │ ├── saveobj.m
│ │ │ ├── setLayerInputs.m
│ │ │ ├── setLayerOutputs.m
│ │ │ └── setLayerParams.m
│ │ ├── DropOut.m
│ │ ├── ElementWise.m
│ │ ├── Filter.m
│ │ ├── Layer.m
│ │ ├── Loss.m
│ │ ├── LRN.m
│ │ ├── NormOffset.m
│ │ ├── Pooling.m
│ │ ├── ReLU.m
│ │ ├── Scale.m
│ │ ├── Sigmoid.m
│ │ ├── SoftMax.m
│ │ ├── SpatialNorm.m
│ │ ├── Sum.m
│ │ └── UniformScalingGridGenerator.m
│ ├── mex
│ │ ├── vl_imreadjpeg.mexw64
│ │ ├── vl_nnbilinearsampler.mexw64
│ │ ├── vl_nnbnorm.mexw64
│ │ ├── vl_nnconv.mexw64
│ │ ├── vl_nnconvt.mexw64
│ │ ├── vl_nnnormalize.mexw64
│ │ └── vl_nnpool.mexw64
│ ├── simplenn
│ │ ├── vl_simplenn_diagnose.m
│ │ ├── vl_simplenn_display.m
│ │ ├── vl_simplenn.m
│ │ ├── vl_simplenn_move.m
│ │ └── vl_simplenn_tidy.m
│ ├── src
│ │ ├── bits
│ │ │ ├── data.cpp
│ │ │ ├── data.cu
│ │ │ ├── datacu.cu
│ │ │ ├── datacu.hpp
│ │ │ ├── data.hpp
│ │ │ ├── datamex.cpp
│ │ │ ├── datamex.cu
│ │ │ ├── datamex.hpp
│ │ │ ├── impl
│ │ │ │ ├── bilinearsampler_cpu.cpp
│ │ │ │ ├── bilinearsampler_gpu.cu
│ │ │ │ ├── bilinearsampler.hpp
│ │ │ │ ├── blashelper.hpp
│ │ │ │ ├── bnorm_cpu.cpp
│ │ │ │ ├── bnorm_gpu.cu
│ │ │ │ ├── bnorm.hpp
│ │ │ │ ├── copy_cpu.cpp
│ │ │ │ ├── copy_gpu.cu
│ │ │ │ ├── copy.hpp
│ │ │ │ ├── cudnnhelper.hpp
│ │ │ │ ├── fast_mutex.h
│ │ │ │ ├── im2row_cpu.cpp
│ │ │ │ ├── im2row_gpu.cu
│ │ │ │ ├── im2row.hpp
│ │ │ │ ├── imread_gdiplus.cpp
│ │ │ │ ├── imread_helpers.hpp
│ │ │ │ ├── imread_libjpeg.cpp
│ │ │ │ ├── imread_quartz.cpp
│ │ │ │ ├── nnbias_blas.hpp
│ │ │ │ ├── nnbias_cudnn.cu
│ │ │ │ ├── nnbias_cudnn.hpp
│ │ │ │ ├── nnbilinearsampler_cudnn.cu
│ │ │ │ ├── nnbilinearsampler_cudnn.hpp
│ │ │ │ ├── nnconv_blas.hpp
│ │ │ │ ├── nnconv_cudnn.cu
│ │ │ │ ├── nnconv_cudnn.hpp
│ │ │ │ ├── nnpooling_cudnn.cu
│ │ │ │ ├── nnpooling_cudnn.hpp
│ │ │ │ ├── normalize_cpu.cpp
│ │ │ │ ├── normalize_gpu.cu
│ │ │ │ ├── normalize.hpp
│ │ │ │ ├── pooling_cpu.cpp
│ │ │ │ ├── pooling_gpu.cu
│ │ │ │ ├── pooling.hpp
│ │ │ │ ├── sharedmem.cuh
│ │ │ │ ├── subsample_cpu.cpp
│ │ │ │ ├── subsample_gpu.cu
│ │ │ │ ├── subsample.hpp
│ │ │ │ ├── tinythread.cpp
│ │ │ │ └── tinythread.h
│ │ │ ├── imread.cpp
│ │ │ ├── imread.hpp
│ │ │ ├── mexutils.h
│ │ │ ├── nnbias.cpp
│ │ │ ├── nnbias.cu
│ │ │ ├── nnbias.hpp
│ │ │ ├── nnbilinearsampler.cpp
│ │ │ ├── nnbilinearsampler.cu
│ │ │ ├── nnbilinearsampler.hpp
│ │ │ ├── nnbnorm.cpp
│ │ │ ├── nnbnorm.cu
│ │ │ ├── nnbnorm.hpp
│ │ │ ├── nnconv.cpp
│ │ │ ├── nnconv.cu
│ │ │ ├── nnconv.hpp
│ │ │ ├── nnfullyconnected.cpp
│ │ │ ├── nnfullyconnected.cu
│ │ │ ├── nnfullyconnected.hpp
│ │ │ ├── nnnormalize.cpp
│ │ │ ├── nnnormalize.cu
│ │ │ ├── nnnormalize.hpp
│ │ │ ├── nnpooling.cpp
│ │ │ ├── nnpooling.cu
│ │ │ ├── nnpooling.hpp
│ │ │ ├── nnsubsample.cpp
│ │ │ ├── nnsubsample.cu
│ │ │ └── nnsubsample.hpp
│ │ ├── config
│ │ │ ├── mex_CUDA_glnxa64.sh
│ │ │ ├── mex_CUDA_glnxa64.xml
│ │ │ ├── mex_CUDA_maci64.sh
│ │ │ └── mex_CUDA_maci64.xml
│ │ ├── vl_imreadjpeg.cpp
│ │ ├── vl_imreadjpeg.cu
│ │ ├── vl_nnbilinearsampler.cpp
│ │ ├── vl_nnbilinearsampler.cu
│ │ ├── vl_nnbnorm.cpp
│ │ ├── vl_nnbnorm.cu
│ │ ├── vl_nnconv.cpp
│ │ ├── vl_nnconv.cu
│ │ ├── vl_nnconvt.cpp
│ │ ├── vl_nnconvt.cu
│ │ ├── vl_nnnormalize.cpp
│ │ ├── vl_nnnormalize.cu
│ │ ├── vl_nnpool.cpp
│ │ └── vl_nnpool.cu
│ ├── vl_argparse.m
│ ├── vl_compilenn.m
│ ├── vl_imreadjpeg1.m
│ ├── vl_nnbilinearsampler.m
│ ├── vl_nnbnorm.m
│ ├── vl_nnconcat.m
│ ├── vl_nnconv1.m
│ ├── vl_nnconvt.m
│ ├── vl_nncrop.m
│ ├── vl_nndropout.m
│ ├── vl_nnloss.m
│ ├── vl_nnnoffset.m
│ ├── vl_nnnormalize1.m
│ ├── vl_nnnormalizelp.m
│ ├── vl_nnpdist.m
│ ├── vl_nnpool1.m
│ ├── vl_nnrelu.m
│ ├── vl_nnsigmoid.m
│ ├── vl_nnsoftmaxloss.m
│ ├── vl_nnsoftmax.m
│ ├── vl_nnspnorm.m
│ ├── vl_rootnn.m
│ ├── vl_setupnn.m
│ └── xtest
│ ├── suite
│ │ ├── nnbilinearsampler.m
│ │ ├── nnbnorm.m
│ │ ├── nnconcat.m
│ │ ├── nnconv.m
│ │ ├── nnconvt.m
│ │ ├── nndagnn.m
│ │ ├── nndropout.m
│ │ ├── nnloss.m
│ │ ├── nnmnist.m
│ │ ├── nnnormalizelp.m
│ │ ├── nnnormalize.m
│ │ ├── nnoffset.m
│ │ ├── nnpdist.m
│ │ ├── nnpool.m
│ │ ├── nnrelu.m
│ │ ├── nnsigmoid.m
│ │ ├── nnsimplenn.m
│ │ ├── nnsoftmaxloss.m
│ │ ├── nnsoftmax.m
│ │ ├── nnspnorm.m
│ │ ├── nntest.m
│ │ └── Scale.m
│ ├── vl_bench_bnorm.m
│ ├── vl_bench_imreadjpeg.m
│ ├── vl_nnbnorm_old.m
│ ├── vl_test_bnorm.m
│ ├── vl_test_economic_relu.m
│ ├── vl_test_gpureset.m
│ ├── vl_test_imreadjpeg.m
│ └── vl_testnn.m
├── README.md
├── utils
│ ├── evaluate_ref_models.m
│ ├── get-file.sh
│ ├── import-caffe.py
│ ├── import-fcn.sh
│ ├── import-googlenet.sh
│ ├── import-ref-models.sh
│ ├── import-resnet.sh
│ ├── layers.py
│ ├── model2dot.m
│ ├── preprocess-imagenet.sh
│ ├── proto
│ │ ├── caffe_0115_pb2.py
│ │ ├── caffe_0115.proto
│ │ ├── caffe_6e3916_pb2.py
│ │ ├── caffe_6e3916.proto
│ │ ├── caffe_b590f1d_pb2.py
│ │ ├── caffe_b590f1d.proto
│ │ ├── caffe_old_pb2.py
│ │ ├── caffe_old.proto
│ │ ├── caffe_pb2.py
│ │ ├── caffe.proto
│ │ ├── get-protos.sh
│ │ ├── googlenet_prototxt_patch.diff
│ │ ├── __init__.py
│ │ ├── vgg_caffe_pb2.py
│ │ ├── vgg_caffe.proto
│ │ └── vgg_synset_words.txt
│ ├── test_examples.m
│ └── tidy_ref_models.m
└── 注意事项.txt
37 directories, 310 files
标签:
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论