Merge pull request #165 from BVLC/boost-eigen

MKL/non-MKL Reconciliation

Caffe no longer requires MKL. By default it builds without it, relying on atlas and cblas instead. Set the `USE_MKL` var in your Makefile.config accordingly.

Set copyright to BVLC and contributors.

The exact details of the contributions are recorded by versioning.

Hide boost rng behind facade for osx compatibility

Split boost random number generation from the common Caffe singleton and
add a helper function for rng. This resolves a build conflict in OSX
between boost rng and nvcc compilation of cuda code.

Refer to #165 for a full discussion.

Thanks to @satol for suggesting a random number generation facade rather
than a total split of cpp and cu code, which is far more involved.

lint

clean up residual mkl comments and code

The FIXMEs about RNG were addressed by caffe_nextafter for
uniform distributions and the normal distribution concern is surely a
typo in the boost documentation, since the normal pdf is correctly
stated elsewhere in the documentation.

Added extern C wrapper to cblas.h include

This ensures that it works with ATLAS's header file, which doesn't include such
a guard itself (whereas the reference version from Ubuntu's libblas-dev does)

Fixed order of cblas and atlas linker flags

They were the wrong way round, causing linking to fail in some cases

comment out stray mkl includes

make MKL switch surprise-proof

rewrite MKL flag note, polish makefile

add MKL dirs conditioned on USE_MKL
include libraries before making LD_FLAGS

major refactoring allow coexistence of MKL and non-MKL cases

Replace atlas with multithreaded OpenBLAS to speed-up on multi-core CPU

issue: #79

fix bernoulli generator bug

add bernoulli rng test to demonstrate bug (generates all 0s unless p ==
1)

change all Rng's to use variate_generator for consistency

use boost variate_generator to pass tests w/ boost 1.46 (Gaussian filler
previously filled in all NaNs for me, making many tests fail)

make uniform distribution usage compatible with boost 1.46

mean_bound and sample_mean need referencing with this

nextafter templates off one type

relax precision of MultinomialLogisticLossLayer test

Fix math funcs, add tests, change Eigen Map to unaligned for lrn_layer

[shelhamer: removed math function tests, since they were merged via
other branches]

Fix test stochastic pooling stepsize/threshold to be same as max pooling

Fixed FlattenLayer Backward_cpu/gpu have no return value

Fixed uniform distribution upper bound to be inclusive

compile caffe without MKL (dependency replaced by boost::random, Eigen3)

- examples, test and pycaffe compile without problem (matcaffe not tested)
- tests show some errors (on cpu gradient tests), to be investigated
- random generators need to be double checked
- mkl commented code needs to be removed

Merge pull request #247 from jeffdonahue/loss-in-forward-window-data-layer

Loss in forward pass fix for window data layer

loss in forward pass fix for window data layer

Merge pull request #209 from jeffdonahue/loss-in-forward-pass

Compute loss in the forward pass

Back-merge documentation and script fixes

fix script path incantation
convert css indentation to spaces
fix cifar10 leveldb creation path
wget without checking certificate for dropbox (dodge complaint on linux)
docs: added list of contributors
minor style update of docs

fix script path incantation

convert css indentation to spaces

fix cifar10 leveldb creation path

wget without checking certificate for dropbox (dodge complaint on linux)

docs: added list of contributors

minor style update of docs

Fix to #161
- signficantly change the documentation file
- link to it from index.md
- remove the image resizing script, since (a) it does not work, (b) is obviated by using ImagesLayer
- add sample prototxt that uses ImagesLayer.

Merge pull request #161 from kloudkl/simplify_feature_extraction

Feature extraction, feature binarization and image retrieval examples

minor cleanup in rcnn-finetuning -- rcnn feature computation tested at
this commit (in addition to all caffe unit tests passing)

cleanup matlab demo

add initialization key for verifying state

demo on how to get net weights using the matlab interface

return model weights

keep DLOG (revert accidental switch to LOG)

file pascal finetuning prototxt examples and fix paths

set default to the best value

some cleanup

fix paths

support for tightest square mode while finetuning

10x learning rate for fine tuning makes a big difference

support for adding padding to windows in the window_data_layer

Code that was used to finetune with reasonable success

some major bug fixes (includes some to-be-removed debugging code)

adjustments to try to match the setup for fine tuning with cuda-convnet

define pascal finetuning models

add window data layer

post rebase fixes: images layer and padding layer compute loss in
forward

null pointer defaults for forward loss outputs

loss in forward pass for concat layer (thought i'd rebased to latest dev
but apparently not)

fix softmax loss layer bug; all tests pass

remove accidentally added empty line

revert unnecessary reordering of lines in softmaxwithlosslayer backward

gradient checker optimization with forward pass loss: only need to run
backward pass to compute analytic gradient (the thing being checked) now

test_gradient_check_util: blobid -> blob_id

make tests compile and pass

fix net_speed_benchmark so 'make all' works

change specification of forward/backward function and fix layer
definitions appropriately

Merge pull request #221 from jamt9000/fix-dump-network

Fix dump network

Merge pull request #242 from kloudkl/script

Fix shell scripts: current dir, wget output, and naming conventions

File naming convention requires that two words be split by a underscore

Wget should never be quiet

Fix shell script current dir bad substition errors

Explain how to get the mean image of ILSVRC

Change generate file list python script path in feature extraction doc

Removing feature binarization and image retrieval examples

Move binarize_features, retrieve_images to examples/feauture_extraction

Add documentation for the feature extraction demo

Add a python script to generate a list of all the files in a directory

Don't create a new batch after all the feature vectors have been saved

Fix cpplint errors for Net, its tests and feature related 3 examples

Use lowercase underscore naming convention for Net blob & layer getters

Move extract_features, binarize_features, retrieve_images to tools/

Save and load data correctly in feat extracion, binarization and IR demo

Change feature binarization threshold to be the mean of all the values
 rather than zero in the feature binarization example

Fix saving real valued feature bug in the feature extraction example

Fix bugs in the image retrieval example

Fix bugs of the feature binarization example

Enhance help, log message & format of the feature extraction example

Fix bugs in the feature extraction example

Add __builtin_popcount* based fast Hamming distance math function

Simplify image retrieval example to use binary features directly

Add feature binarization example

Add feature extraction example

Add image retrieval example

Add and test Net::HasLayer and GetLayerByName

Add and test Net::HasBlob and GetBlob to simplify feature extraction

Inspired by @kencoken's commit f36e715
https://github.com/kencoken/caffe/commit/f36e71569455c9fbb4bf8a63c2d53224e32a4e7b

Related issues:

Remove cudaSetDevice(1)

So it works when there is only one GPU

Merge pull request #231 from BVLC/next

0.99 release

arrange example images, update paths, bring back imagenet_pretrained

Merge pull request #236 from jeffdonahue/test-all-bin-makefile-deps

Add libcaffe.a to dependencies for TEST_ALL_BIN

also fix for runtest