Merge pull request #1315 from sergeyk/master

Fixing finetune_flickr_style model reported accuracy.

Fixing finetune_flickr_style model reported accuracy.

Merge pull request #1309 from CellScope/edit-brew-boost-python

Edit boost-python formula for OS X 10.9 compatibility

Edit boost-python formula

[docs] proofreading suggested by @cNikolaou

[examples] fix reference model name for flickr fine-tuning

[docs] pip install harder

[docs] pip install packages in order for dependencies

[docs] note boost 1.56 an CUDA conflict on OS X

[docs] update homebrew instructions for boost and boost-python split

[example] re-title LeNet / MNIST heading too

[example] add LeNet to MNIST title, fix paths to be from root

[example] fix data script paths for flickr fine-tuning

Merge pull request #1226 from longjon/check-solver-prototxt

[fix] check solver prototxt parsing

[fix] check solver prototxt parsing

Merge pull request #1198 from dbbert/patch-1

Update detect.py

This generator causes an error in detect_windows because it is run twice there.
Better store it as a data structure instead.

Merge pull request #1203 from jeffdonahue/fix-output-blob-indexing

[fix] solver indexing of output blobs was incorrect for non-singleton outputs

[fix] solver indexing of output blobs was incorrect for non-singleton
outputs

Merge pull request #1166 from pluskid/master

bugfix: HDF5 layer reshape bug

fix hdf5 data layer bug

update HDF5 layer test data.

tweak test case to expose bug.

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

Changed "blas" to "openblas"

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

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.

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.

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 #1117 from ronghanghu/fix-finetune-example

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

fix directory in finetune pascal example

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).

add abstract Layer::Reshape, and document the new method protocol

use Blob directly instead of shared_ptr for EltwiseLayer::max_idx_

This is in keeping with #742.

Merge pull request #1104 from shelhamer/conv-comments-tests

Document and Test Convolution

Merge pull request #1100 from cNikolaou/issue1099

Polish mnist + cifar10 examples.

[docs] lenet grooming

[docs] comment ConvolutionLayer

test convolution by random weights for robustness

test convolution against explicit reference implementation

To thoroughly check convolution, the output is compared against a
reference implementation by explicit looping. Simple and group
convolution by the Caffe and cuDNN engines are checked against the
reference.

Updated mnist/readme.md file with additional information.

Update readme.md files of cifar10 and mnist examples. Fixed broken links.

Merge pull request #1093 from CellScope/io-cant-load-error-msg

[fix] Move file reading error checking closer to actual file read command

[Bugfix] Move error checking closer to file read

Previously, if (height > 0 && width > 0) was true, the
cv::resize() function would be called before cv_img_origin was
confirmed valid; if the image file/filename was not valid, this
caused an opencv assert error like this:

terminate called after throwing an instance of 'cv::Exception'
  what():  /tmp/A3p0_4200_32550/batserve/A3p0/glnxa64/OpenCV/modules/imgproc/src/imgwarp.cpp:1725: error: (-215)
  ssize.area() > 0 in function resize

Merge pull request #1088 from shelhamer/fix-solverstate-filename

Fix snapshot filename for solver states

Merge pull request #1091 from ronghanghu/fix_window_data_layer

set up datum size for WindowDataLayer

set up datum size for WindowDataLayer

[fix] snapshot model weights as .caffemodel, solver state as .solverstate

[example] update paths in net surgery

Merge pull request #1083 from longjon/fix-solver-gpu-init

Fix solver GPU initialization order (e.g., training with cuDNN on non-default device)

fix caffe train GPU initialization

Previously, the solver constructed nets before the caffe train tool read
the --gpu flag, which can cause errors due to LayerSetUp executing on
the wrong device (breaking cuDNN, for example).

Merge pull request #1077 from bhack/glog_ppa

Add ppa for gflag and glog

Merge pull request #1076 from kloudkl/cuda-6.5

Update CUDA to version 6.5 in the Travis install script

Fix a little typo

Fix comments

fix spelling error in caffe.proto

fix out-of-date next ID comment for SolverParameter

Update CUDA to version 6.5 in the Travis install script

Add ppa for gflag and glog

Merge pull request #1051 from jeffdonahue/travis-red-errors

restore "red X" build failures in Travis

add -fPIC flag to CMake build

restore "red X" build failures in Travis

Merge pull request #1067 from bhack/lmdb

Get lmdb from openldap

Fix lmbdb travis with openldap

Merge pull request #1053 from jeffdonahue/to3i-elem_max_layer

rebase and fixup #688 from @to3i: elementwise max