Merge pull request #1183 from pluskid/hdf5layer

added test case to cover new HDF5 behavior

make HDF5 layer support multiple data output

test_gradient_based_solver.cpp: removed unused typedefs

Merge pull request #1167 from Yangqing/factory

Layer factory.

doxygen

Merge pull request #1187 from longjon/fix-cudnn-pooling-tests

Fix cuDNN pooling tests

cuDNN pooling layer tests know that nonzero padding is not supported

After #1172, some cuDNN pooling layer tests were failing due to use of
padding. (Before #1172, these tests were actually testing PoolingLayer
instead of CuDNNPoolingLayer via the fallback.) This commit disables
many tests via commenting, so that they can be easily readded when cuDNN
gains pooling padding support.

use method overrides for CuDNNPoolingLayer top blob checking

Merge pull request #1186 from ashafaei/error-fixes

Fixed some errors in layer_factory and cudnn_pooling

Fixed some errors in layer_factory and cudnn_pooling

Merge remote-tracking branch 'bvlc/master' into dev

Conflicts:
src/caffe/layers/hdf5_data_layer.cpp

Merge pull request #1166 from pluskid/master

bugfix: HDF5 layer reshape bug

[examples] adding class names and deploy version of Flickr Style net

static initialization order fiasco

add explicit declaration - does that help the flakyness?

add long-ignored threshold layer

consolidate duplicate code

cmake.

Mute factory registration message

Add back static library. Using -Wl,--whole-archive will allow us to preserve all symbols.

Pre-lunch fun: add a dynamic library guard test.

more docs

running factory.

Merge pull request #1172 from Yangqing/conv_factory

Pooling factory

message

Merge pull request #1161 from jjkjkj/dev-threshold-fix

Fix Threshold layer

const fix

cudnn pooling fallback option

fix hdf5 data layer bug

update HDF5 layer test data.

tweak test case to expose bug.

Update layer_factory.cpp

Merge pull request #1149 from ashafaei/crop_bugfix

Fixed the bug with random offset selection

Merge pull request #1157 from ducha-aiki/fix-extract-features

Small fix in extract_features

Random crop bugfix and abstracting random number generation inside data_transformer

Removed unnecessary "mutable"

Merge pull request #1147 from savy-91/patch-1

Changed "blas" to "openblas"

Merge pull request #1138 from ksimonyan/vgg_models_support

VGG models support

Back-merge

  Fixed param order of cv::Size in cv::resize
  switch examples to lmdb (except for custom data loaders)
  fix cifar10 paths so they can be run from caffe root
  default backend to lmdb for image conversion and mean computation

Merge pull request #1152 from sguada/fix_cv_size_order

Fix param order of cv::Size in cv::resize

Fixed param order of cv::Size in cv::resize

added a Matlab demo with mean BGR pixel subtraction instead of the mean image subtraction

Changed "blas" to "openblas"

The change was made because openblas has to be linked as "-lopenblas" and not "-lblas". This caused an error when compiling.

RGB -> BGR in the matlab demo

added example usage to the Matlab script

added comments to the Matlab demo script

added matcaffe_demo for the VGG models (RGB input)

added support for "k" LRN parameter to upgrade_proto

adds a parameter to the LRN layer (denoted as "k" in  [Krizhevsky et al., NIPS 2012])

web demo fix, closes #1002

Merge pull request #1128 from shelhamer/default-db-lmdb

default to lmdb for database storage

switch examples to lmdb (except for custom data loaders)

fix cifar10 paths so they can be run from caffe root

default backend to lmdb for image conversion and mean computation

lmdb is 10-15% faster than leveldb although it takes ~1.1x the storage.
This is usually irrelevant in prefetching since both are fast enough,
but more important lmdb allows multiple, concurrent reads for training
and evaluation several models on the same data.

Back-merge

  define up-to-date all-in-one model for pascal finetuning
  load transform params in window data layer
  include WindowDataLayer in data param upgrade
  Fix typo in LRN-expression in docs

Merge pull request #1126 from shelhamer/window-data-param-upgrade

[fix] include WindowDataLayer in data param upgrade

define up-to-date all-in-one model for pascal finetuning

load transform params in window data layer

include WindowDataLayer in data param upgrade

Merge pull request #1115 from rickardnorlander/master

Fix typo in LRN-expression in docs

Merge pull request #1118 from shelhamer/1x1-conv

Optimize 1x1 convolution for Network-in-Network style operation

combine col_{data,diff} into single col_buff to halve memory usage

conv forward / backward only need one of the im2col data and diff
at-a-time so consolidating the two saves a lazy allocation.

Back-merge

optimize 1x1 convolution for Network-in-Network style layers

1x1 convolution with stride 1 is a special case of Caffe matrix
multiplication convolution for which im2col / col2im transformations are
actually the identity. For this special case the memory and
transformation are skipped.

drop out-of-date conv test comments

Merge pull request #1117 from ronghanghu/fix-finetune-example

[fix] set R-CNN fine-tuning PASCAL example paths

fix directory in finetune pascal example

Merge pull request #945 from longjon/fixtypes

Fix types of SetUp, Forward, Backward, and gradient checker calls

fix types of (Layer)SetUp, Reshape, Forward, and Backward calls

Using the type vector<Blob<Dtype*>* for outputs allows modification of
the vector itself, while it is only okay to modify the blobs pointed to
by the elements of the vector. Switching the types to const
vector<Blob<Dtype>*>& makes them more correct.

fix cifar10 paths so they can be run from caffe root

Fix typo in LRN-expression in docs

This is more consistent with krizhevsky2012, and it seems to be what the code does.

Merge pull request #1112 from BVLC/next

Next: release candidate

relax precision of gradient-based solver tests

[example] groom siamese notebook

Merge pull request #959 from nickcarlevaris/contrastive_loss

  Add contrastive loss layer, tests, and a siamese network example

[docs] order ipython notebooks

[example] resurrect imagenet training scripts

[model zoo] ignore models -- only for reference or zoo

[model zoo] download from gist grooming

- invoke by shell
- default download dir to models/
- save to flat dir of owner-gist instead of nested owner/gist

Merge pull request #1110 from sergeyk/dev

  [model zoo] download gist script

[model zoo] download gist script

Merge pull request #594 from longjon/layer-reshaping

On-the-fly net resizing, without reallocation (where possible)

check that LRN's local_size is odd as the current implementation requires

[docs] clarify the use of Blob::Reshape a bit

[pycaffe] expose Net::Reshape

add Net::Reshape for only reshaping

Note that it is not normally necessary to call this function when using
reshapable nets, but sometimes it can be useful to compute the sizes of
intermediate layers without waiting for the forward pass.

include Reshape in caffe time

Since we are now calling Reshape in the Forward pass, it's only fair to
include it when timing. Reshape calls should normally be four or so
orders of magnitude faster than Forward calls; this change also makes it
easy to notice a mistake that causes something slow to happen in
Reshape.

test net reshaping

default LayerSetUp to no-op instead of NOT_IMPLEMENTED

Now that top blobs are set up in Layer::Reshape, it's Reshape that is
mandatory, and simple layers often don't need to implement LayerSetUp.
Reshape is (already) declared abstract, so not implementing it is a
compile-time error.

call Reshape in Layer::SetUp

Strictly speaking, Reshape doesn't need to be called until the first
Forward call; however, much existing code (especially tests) assumes
that top blobs will be set up in SetUp, so we may as well do it there.

split off Reshape for vision layers

Note that we are dropping some checks from LRN layer. However, these
checks are fairly redundant; something is very wrong if these layers
are producing top blobs that are different sizes than their inputs, and
tests are the right place to catch that. The thing that really should be
checked (that isn't) is that that local_size needs to be odd; this will
be added in a future commit.

split off Reshape for common layers

split off Reshape for neuron layers

split off Reshape for loss layers

split off Reshape for data layers

separate setConvolutionDesc from createConvolutionDesc

separate setTensor4dDesc from createTensor4dDesc

This will make it possible to add reshaping to cuDNN layers.

enable reshaping in the forward pass

Note that calling Reshape when no reshape is necessary should be
effectively a no-op, so this is not a performance regression.

don't reallocate blobs when shrinking memory use

This allows nets to be reshaped very quickly (essentially for free) as
long as sufficient memory has been allocated. Calling Blob::Reshape in
order to free up memory becomes impossible; however, this is not a
normal use case (and deleting blobs does free memory).