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

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

[examples] fix links in feature extraction

Merge pull request #910 from sergeyk/dev

web demo updates

[docs] ‘maximally accurate’ in the web demo explanation. closes #905

[docs] [fix] closes #899

Merge pull request #909 from sergeyk/dev

[docs] sort examples

[docs] sorting of examples. if doesn’t work for you, update jekyll.

lint

minor fix for layer factory

added cross-channel MVN, Mean-only normalization, added to layer factory, moved to common_layers

Merge pull request #904 from Yangqing/sweep

Add a leveldb option function in io.hpp/cpp

addressed Jeff's comment

lint

reduced blas calls

mean-variance normalization layer

Add a leveldb option function in io.hpp/cpp

fix formatting error in blob.hpp

output loss for caffenet and alexnet train/val models

default raw_scale in python scripts to ImageNet model value

Merge pull request #891 from kloudkl/gflags_namespace

Fix the gflags namespace issue

Merge pull request #892 from kloudkl/distribute_generated_proto_headers

Distribute the generated proto header files

Distribute the generated proto header files

Fix the gflags namespace issue

Merge pull request #888 from ronghanghu/matcaffe-add-check

add necessary input checks for matcaffe

add necessary input checks for matcaffe

[example] fix example names

[docs] fix find complaint in example gathering script

[example] fix broken links in ImageNet recipe

Back-merge documentation and fixes

Merge pull request #872 from shelhamer/caffe-tool

Improve caffe tool

consolidate gpu and device_id args in caffe tool

update cli usage in examples

fix deprecation warnings

consolidate test into caffe cli

comment caffe cli

check required caffe cli args

rename caffe cli args and revise text

give usage message for caffe cli

- call format
- commands
- flags

output INFO from caffe cli to stderr by default

consolidaet GPU flag for caffe cli

rename tools

Painless binary mean conversion to matlab matrices.

Merge pull request #868 from shelhamer/license-copyright

Clarify the license and copyright terms of the project

lint for copyright

[docs] detail attribution, license, and copyright for development

LICENSE governs the whole project so strip file headers

clarify the license and copyright terms of the project

As has been the case, contributions are copyright their respective
contributors and the project is BSD-2 licensed. By contributing to the
project, contributors release their contributions under these copyright
and license terms as declared in LICENSE.

Merge pull request #816 from shelhamer/pycaffe-labels-grayscale-attrs-examples

Improve and polish pycaffe

drop np.asarray() in favor of declaration (~1.75x speedup)

fix pycaffe context cropping with or without mean

take array in pycaffe `Net.set_mean()` instead of file path

fix pycaffe input processing

- load an image as [0,1] single / np.float32 according to Python convention
- fix input scaling during preprocessing:
  - scale input for preprocessing by `raw_scale` e.g. to map an image
    to [0, 255] for the CaffeNet and AlexNet ImageNet models
  - scale feature space by `input_scale` after mean subtraction
  - switch examples to raw scale for ImageNet models
  - fix #525
- preserve type after resizing.
- resize 1, 3, or K channel images with special casing between
  skimage.transform (1 and 3) and scipy.ndimage (K) for speed

[example] include prediction in classification, time on GTX 770

[example] fix example outputs

With the right input processing, the actual image classification output
is sensible.

- filter visualization example's top prediction is "tabby cat"
- net surgery fully-convolutional output map is better

Fix incorrect class names too.

[example] add caffe to pythonpath in all examples

define caffe.Net input preprocessing members by boost::python

define `Net.{mean, input_scale, channel_swap}` on the boost::python side
so that the members always exist. drop ugly initialization logic.

Merge pull request #856 from jeffdonahue/lint-tweaks

add header alphabetization to lint checks

Merge pull request #859 from beam2d/fix-cifar-lrn-region

Fix conflict on setting of LRN layers between train/test net and deploy net