caffe.Net preprocessing members belong to object, not class

Merge pull request #445 from jeffdonahue/convert_imageset_resize_option

Optionally resize an image set to canonical dimensions when converting.
Do this by default for creating the imagenet train + val leveldbs.

convert imageset comment fixup

Merge pull request #456 from longjon/spurious-ldflags

Don't pass LDFLAGS when only performing compilation (-c)

don't pass LDFLAGS when only compiling

10.9 install doc formatting

Back-merge recent fixes from master to dev

fix OSX 10.9 compiler/stdlib override for latest homebrew
follow-up on #443 to invert k channels (instead of 3)
Correctly invert the swapping of colour channels
link presentation on dropbox (was self-hosted during a dropbox issue)
link to demo
fix draw_net python script
release v1 model defs + weights
point out @niuzhiheng's work on the Windows port
fix test_all path in docs
link canonical bvlc site
fix detection notebook link

fix OSX 10.9 compiler/stdlib override for latest homebrew

Merge pull request #448 from jeffdonahue/sguada-fix_maxpooling

Finish up max pooling with a mask from @sguada
Tested

merge caffe_set definitions; define for int as well

add tests for maxpooling layer forward, and for maxpooling with top mask

optionally output the mask to a top blob instead of storing internally

make a Blob<unsigned int> and use in dropout layer

use a Blob<int> instead of a SyncedMemory to store max_idx_

bugfix: setting count to the top count in backward doesn't process all
of the bottom (assuming the bottom is larger, which happens for
nontrivial poolsize>1)

mask should be const in backward pass

remove commented out code

lint and make compilable (using static_cast's found a couple bugs at
compile time)

Adapted to V1 proto definition, test don't pass

Commented Atomic Add, back to loop in GPU MaxPoolBackward

Attempt to use AtomicAdd but it seems slower

Added test for maxpool layer followed by dropout

Use loops in GPU again to avoid over-writting of bottom_diff

Fixed parameter order

Cleaned prints from test_pooling_layer.cpp

Set bottom_diff to 0 and remove Async memcopy

Remove top_data from backward Max Pooling

Use mask_idx to compute backward Max Pooling

Added test for  Pooling layer GPU

Added max_idx to Pooling layer GPU

Default mask idx is -1

Added max_idx to Pooling layer CPU

add convert_imageset option to resize images; use in
convert_imageset.cpp and document

follow-up on #443 to invert k channels (instead of 3)

Correctly invert the swapping of colour channels

In the 'deprocess' method, get back the image with the original channel order
by inverting the original transform, rather than reversing the tuple which is
incorrect.

follow-up on #443 to invert k channels (instead of 3)

Merge pull request #443 from jamt9000/correct-deprocess

Correctly invert the swapping of colour channels in Python API 'deprocess'

Correctly invert the swapping of colour channels

In the 'deprocess' method, get back the image with the original channel order
by inverting the original transform, rather than reversing the tuple which is
incorrect.

Merge pull request #433 from shelhamer/eltwise

Elementwise layer takes sum or product; caffe_gpu_{add,sub}

commment, lint

weight elementwise sum with per-blob coefficients

link presentation on dropbox (was self-hosted during a dropbox issue)

link to demo

make sum the default eltwise operation

fix layer name in logging

Merge pull request #435 from shelhamer/v1-models

Release v1 model defs + weights

fix draw_net python script

include caffe.draw for drawing functions.

release v1 model defs + weights

- Caffe reference ImageNet model
- AlexNet

Note that one can upgrade the weights locally by
`upgrade_net_proto_binary.bin` to avoid re-downloading.

Merge pull request #434 from shelhamer/little-cat

Reduce example image size

reduce example image size

point out @niuzhiheng's work on the Windows port

add EltwiseLayer docstring

Elementwise layer learns summation

add caffe_gpu_add() and caffe_gpu_sub()

EltwiseProductLayer -> EltwiseLayer for generality

Reproduce elementwise product layer in more generality.
Add elementwise operation parameter.
Prepare for elementwise sum operation choice.

fix test_all path in docs

Revert "setting canonical random seed"

1701 is the canonical random seed, and as this test makes only one call
for seeding there's no need for a member var.

Merge pull request #421 from sguada/argmax_layer

setting canonical random seed

Fixed lint errors due to ArgmaxLayer

Documented ArgMax layer in vision_layers.hpp

corrected the caffe.proto ids

Change ArgMaxLayerParam to ArgMaxParam for consitency

Change ThresholdLayer to ArgMaxLayer in test_argmax

Fixed name of blob_bottom_

Fixed name of ArgMaxLayerParameter

Added missing ;

Added FLT_MAX to argmax layer

Fix types of ArgMax Layers params

Conflicts:

include/caffe/vision_layers.hpp
src/caffe/proto/caffe.proto

Fixed numbers in proto and name of ArgMaxParameter

Conflicts:

src/caffe/proto/caffe.proto

Added Test for ArgMax Layer

Added ArgMax Layer

Conflicts:

src/caffe/proto/caffe.proto

Merge pull request #404 from jeffdonahue/net-param-in-solver

Specify net params in solver; log {Net,Solver} parameters; multiple test nets

link canonical bvlc site

link canonical bvlc site

fix detection notebook link

fix detection notebook link

Merge pull request #429 from shelhamer/next

Next: 0.999

Back-merge changes in master

* master:
  bundle presentation in gh-pages for now...
  fix typo pointed out by @yinxusen
  note support for non-MKL installation in dev
  include pretrained snapshot and performance details
  Document AlexNet model, include download script
  define AlexNet architecture
  polished ignore

Merge pull request #311 from shelhamer/python-fixes

Improve python wrapper

update notebook examples with new wrapper usage, re-organize

preprocess single inputs instead of lists

For compositionality and expectations.

windowed detection in python

squash infuriating loop assignment bug in batching

image classification in python

fix padding for the last batch

split drawnet into module code and script

Don't run scripts in the module dir to avoid import collisions between
io and caffe.io.

add caffe.io submodule for conversions, image loading and resizing

fix python mean subtraction

Merge pull request #376 from sergeyk/layer_reorg

Layer definitions and declarations re-organization and documentation

Incorporated Evan’s comments for neuron layers

Cosmetic change in ConcatLayer

Lil’ more docstring, and cosmetic change in EuclideanLossLayer

fwd/back math docs for neuron layers

drop cute names in favor of Net.{pre,de}process() for input formatting

...and refer to inputs as inputs and not images since general vectors
and matrices are perfectly fine.

Net.caffeinate() and Net.decaffeinate() format/unformat lists

take blob args as ndarrays and assign on the python side

Take blob args and give blob returns as single ndarrays instead of lists
of arrays.

Assign the net blobs and diffs as needed on the python side, which
reduces copies and simplifies the C++ side of the wrapper.

Thanks @longjon for the suggestion.

Cosmetic change in prep for data layer work

Split all loss layers into own .cpp files

layer definition reorganization and documentation
- split out neuron, loss, and data layers into own header files
- added LossLayer class with common SetUp checks
- in-progress concise documentation of each layer's purpose