Merge pull request #857 from netheril96/gflags

Use gflags to parse command line arguments for convert_imageset

create_imagenet.sh updated to new syntax

Merge pull request #993 from Yangqing/sweep

fix layer_factory.cpp bug: there should be no ifdefs

fix layer_factory.cpp bug: there should be no ifdefs

Merge pull request #984 from shelhamer/drop-curand-reset

Drop obsolete CURAND reset for CUDA 6.5 compatibility

default ilsvrc solving to GPU

FIX drop obsolete CURAND reset for CUDA 6.5 compatibility

Drop the legacy CURAND initialization steps; these are unnecessary and
cause dramatic slowdowns for CUDA 6.5. This does no harm for K20 usage
counter to the note at least for CUDA 6.5 and 5.0.

FIX web_demo upload was not processing grayscale correctly

Merge pull request #981 from jeffdonahue/fix-eltwise-product

Make eltwise product gradient stabler (fixes issues with WITHIN_CHANNEL LRN in cifar_full example)

remove warning about LRN layers in CPU mode

Add "stable_prod_grad" option (on by default) to ELTWISE layer to
compute the eltwise product gradient using a slower but stabler formula.

Merge pull request #980 from jeffdonahue/fix-memory-used

fix memory_used_ by computing after SetUp

fix memory_used_ by computing after SetUp

Merge pull request #979 from jeffdonahue/caffe-test-output

'caffe test' computes and prints all scores and their names

'caffe test' prints all scores and their names

Merge pull request #976 from alfredtofu/dev

fix image resizing dimensions for IO

fix bug for resizing images.

[example] add fully-convolutional efficiency note + confidence map

- spell out fully-convolutional efficiency
- add confidence map
- fix input size: 451 x 451 is correct for an 8 x 8 output map by the
  equation input size = 227 + 32(d-1) for output map dimension of d

fix internal thread interface confusion

thanks @ronghanghu for pointing this out in #964

move {InnerProduct,Eltwise}Layer to common instead of vision

fix parameter for transformation in ImageDataLayer constructor

Merge pull request #963 from shelhamer/fix-transform-param

Make data transformations backwards-compatible and upgrade models

upgrade model definitions for transformation params

upgrade net parameter data transformation fields automagically

Convert DataParameter and ImageDataParameter data transformation fields
into a TransformationParameter.

compact net parameter upgrade

restore old data transformation parameters for compatibility

Merge pull request #954 from geenux/dev-redundant-data

Refactor data layers to avoid duplication of data transformation code

Merge pull request #961 from jeffdonahue/gpu-flag-overrides-solver-mode

If specified, --gpu flag overrides SolverParameter solver_mode.

If specified, --gpu flag overrides SolverParameter solver_mode.

Merge pull request #942 from yosinski/doc-update

protobuf should be installed with Python support on Mac

Merge pull request #956 from longjon/clean-signbit

Clean up CPU signbit definition

Refactor ImageDataLayer to use DataTransformer

specialize cpu_strided_dot before instantiation to fix clang++ build

clean up cpu signbit definition

The redundant "caffe_signbit" function was used as a circumlocution
around CUDA's signbit macro; we can just add extra parens to prevent
macro expansion.

Refactor DataLayer using a new DataTransformer

Start the refactoring of the datalayers to avoid data transformation
code duplication. So far, only DataLayer has been done.

Merge pull request #940 from ronghanghu/channel-softmax

Softmax works across channels

implement GPU version of Softmax

test softmax and softmax with loss across channels

softmax and softmax loss layers work across channels

add caffe_cpu_strided_dot for strided dot products

This provides a more direct interface to the cblas_?dot functions.
This is useful, for example, for taking dot products across channels.

milliseconds is a word

Merge pull request #943 from jeffdonahue/parallel-travis-builds

add Travis build matrix to do parallel builds for (make, CMake) x (with CUDA, without CUDA)

Travis build matrix to do parallel builds for make and CMake; CUDA-less
and CUDA-ful.  Move bits of functionality into scripts under scripts/travis
for readability. Only generate CUDA compute_50 for perfomance.

Merge pull request #623 from BVLC/cmake

CMake build system (feature development tracking PR)

restore .testbin extension, and move caffe_tool back to "caffe".
(Required as I had to change the tool target names to '.bin' but give
them an OUTPUT_NAME, but the .bin made the test_net tool collide with
the test_net unit test.)

use all caps for global preprocess vars (e.g. EXAMPLES_SOURCE_DIR), and
other minor cleanup

.travis.yml and .gitignore: various minor cleanup

[docs] CMake build steps and Ubuntu 12.04 install instructions

Reduce packages

Add ppa for CMake for fix 32bit precompiled cmake on 64bit

added gflags + bugfixes + rebase on bvlc/caffe
* added gflags requirement in CMake
* fixed a bug that linked some tests into caffe lib
* renamed tools/caffe due to conflicting target names with caffe lib
* rebased onto bvlc/caffe

Added lint target

added proper 'runtest' target

Examples_SOURCE_DIR cmake variable bugfix
* it was set only when BUILD_EXAMPLES==OFF

enable both GPU and CPU builds + testing in travis

cpu only build works

cpu only

restoring travis.yml

cmake from binaries

cmake build configuration for travis-ci

fixed lint issues

fixed CMake dependant header file generation

examples CMake lists

cmake build system

Updated installation docs for OS X 10.9 brew install protobuf as well

Updated documentation to include instructions to install protobuf with Python support on Mac OS X

Merge pull request #936 from jeffdonahue/not-stage

Add "not_stage" to NetStateRule to exclude NetStates with certain stages

Add "not_stage" to NetStateRule to exclude NetStates with certain
stages.

[example] set phase test for fully-convolutional model

[example] include imports in net surgery

Merge pull request #897 from ashafaei/eltwise-abs

Absolute Value layer

Added absolute value layer, useful for implementation of siamese networks!
This commit also replaces the default caffe_fabs with MKL/non-MKL implementation of Abs.

Merge pull request #923 from yosinski/doc-update

ImageNet tutorial update to merged train_val.prototext

Tried to clarify function of `include' lines and train vs. test network differences

Updated ImageNet Tutorial to reflect new merged train+val prototxt format. Also corrected 4,500,000 iterations  -> 450,000 iterations.

Fix from loss-generalization: accidentally removed mid-Forward return
from PowerLayer (caused bad performance for trivial PowerLayer cases...)

Merge pull request #686 from jeffdonahue/loss-generalization

Loss generalization

Store loss coefficients in layer; use for prettier training output.

Add ACCURACY layer and softmax_error output to lenet_consolidated_solver
example.

Also display outputs in the train net.  (Otherwise, why have them?)

Disallow in-place computation in SPLIT layer -- has strange effects in
backward pass when input into a loss.

AccuracyLayer only dies when necessary.

Net::Init can determine that layers don't need backward if they are not
used to compute the loss.

Make multiple losses work by inserting split layers and add some tests for it.
Test that we can call backward with an ACCURACY layer.  This currently fails,
but should be possible now that we explicitly associate a loss weight with
each top blob.

Generalize loss by allowing any top blob to be used as a loss in which
its elements are summed with a scalar coefficient.

Forward for layers no longer returns a loss; instead all loss layers must have
top blobs.  Existing loss layers are given a top blob automatically by
Net::Init, with an associated top_loss_weight of 1 (set in
LossLayer::FurtherSetUp).  Due to the increased amount of common SetUp logic,
the SetUp interface is modified such that all subclasses should normally
override FurtherSetUp only, which is called by SetUp.

Add net tests for loss_weight.

Check that the loss and gradients throughout the net are appropriately scaled
for a few loss_weight values, assuming a default weight of 1 in the loss layer
only.  Also modify test_gradient_check_util to associate a loss of 2 rather
than 1 with the top blob, so that loss layer tests fail if they don't scale
their diffs.

Add loss_weight to proto, specifying coefficients for each top blob
in the objective function.

[docs] update docs generation for notebook metadata

Merge pull request #921 from shelhamer/notebook-update

Fix plotting and metadata in notebook examples

[example] change notebook name metadata to avoid conflict

see https://github.com/ipython/ipython/issues/5686

[example] fix plt commands in detection

use plt namespace for imshow in filter_visualization.ipynb

Merge pull request #914 from ashafaei/euclidean-loss-fix

Fixed the GPU implementation of EuclideanLoss!

Fixed the GPU implementation of EuclideanLoss to report the loss to the top layer

Merge pull request #846 from qipeng/mvn-layer

mean-variance normalization layer

Merge pull request #863 from jeffdonahue/lint-check-caffe-fns

add lint check for functions with Caffe alternatives (memcpy, memset)

Fix caffe/alt_fn lint errors.

Create caffe_{,gpu_}memset functions to replace {m,cudaM}emset's.

Add caffe/alt_fn rule to lint checks to check for functions (like memset
& memcpy) with caffe_* alternatives that should be used instead.

lint targets should depend on the lint script itself