Compatibilidad De Las Capas Caffe - AWS DeepLens Guia

AlexNet
DenseNet
Inception
MobileNet
ResNet
SqueezeNet
VGG
Para obtener más información acerca de los modelos Caffe, consulte

Compatibilidad de las capas Caffe

Puede utilizar las siguientes capas Caffe para entrenar modelos de aprendizaje profundo compatibles con
AWS DeepLens.
BatchNorm
Concat
Convolution
Deconvolution
Dropout
Eltwise
Flatten
InnerProduct
Input
LRN (Local Response
Normalization)
Permute
Pooling
AWS DeepLens Guía para desarrolladores
Modelos y capas Caffe
Modelos Caffe compatibles
Modelo de clasificación de imágenes entrenado en el conjunto de
datos ImageNet utilizando Caffe
Modelo de clasificación de imágenes a partir del modelo Torch
original
Modelo de clasificación de imágenes convertido del modelo Apache
MXNet original
Modelo de clasificación de imágenes entrenado en el conjunto de
datos ImageNet utilizando Caffe
Modelo de clasificación de imágenes entrenado en el conjunto de
datos ImageNet utilizando Caffe
Modelo de clasificación de imágenes entrenado en el conjunto de
datos ImageNet utilizando Caffe
Modelo de clasificación de imágenes entrenado en el conjunto de
datos ImageNet utilizando Caffe
Capas Caffe compatibles
Normaliza la entrada para que tenga media 0 o varianza uno en el
lote
Encadena blobs de entrada
Convoluciona la entrada con un banco de filtros aprendidos
Se realiza en el sensor opuesto de la capa de convolución
Realiza un abandono
Realiza operaciones algebraicas, como productos y sumas, en
múltiples blobs de entrada
Transforma el blob de entrada en vectores planos
Calcula un producto interno
Proporciona los datos de entrada al modelo
Normaliza la entrada en una región local entre o dentro de mapas de
características
Permuta las dimensiones de un blob
Agrupa la imagen de entrada tomando la máx., media, etc. dentro de
las regiones
53
Caffe Model Zoo.