Correct reference to lenet_train_test.prototxt

Not lenet.prototxt

Point to local file, not github file

This makes the readme file more consistent

Update paths

Merge pull request #955 from kloudkl/data-layers

Further simplify the data layers and extend the MemoryDataLayer.

- design BaseDataLayer and BasePrefectingDataLayer for simplification
- refactor DataLayer, ImageDataLayer, and WindowDataLayer
- pull up `transform_param` into layer message for de-duplication
- add transformation to MemoryDataLayer

[example] upgrade fine-tuning example to new transformation param

Merge pull request #973 from shelhamer/tutorial-docs

Document Caffe by a tour of key subjects + doxygen dev documentation

[docs] configure doxygen + docs script for docs/doxygen site output

update doxygen config to stop warnings

[docs] suggest the CVPR14 deep learning tutorial for nice contrast

[docs] draft data

wrap up solver.md -- add update info for all solvers with citations;
rules of thumb for SGD

net.hpp: Doxygen-format docs

solver.hpp: add \briefs

syncedmem.hpp: \brief and todo

blob.hpp: a little Doxygen-style documentation

filler.hpp: add brief filler descriptions

vision_layers.hpp: Doxygen \brief & TODO stubs.

data_layers: Doxygen \brief & TODO stubs.

common_layers.hpp: Doxygen \brief & TODO stubs.

neuron_layers.hpp: Doxygen-style documentation

loss_layers.hpp: Doxygen-style documentation

layer.hpp: Doxygen-style documentation

.Doxyfile: don't warn if undocumented (maybe someday...)

.Doxyfile: modify to generate C++ docs, excluding tests

.gitignore doxygen-generated documentation

add "make {docs,doxygen}" targets to build doxygen-generated docs

add .Doxyfile: the default Doxygen config file from `doxygen -g`

[wip] vision layers, start convolution

use kramdown for markdown syntax; add mathjax

[docs] add note on Caffe convolution

[docs] draft tutorial subjects

[docs] skeleton documentation subjects

Initialize the transformer rng in the base data layer

Correct the datum size checking conditions of the data layers

Add and transform Datum vector in the MemeoryDataLayer

Place InternalThreadEntry lower in the {,Image,Window}DataLayer.cpp

Add leveldb header back to util/io.cpp

Remove OpenCV stuffs from the memory data layer and io utils

Add lint rule for caffe data layer setup

Fix conflict between nvcc and boost for cmake

Move the rest duplicate codes of the data layers into their base class

Test adding images w/o resizing to the memory data layer

Move transform param one level up in the proto to reduce redundancy

Remove pthread which has been replaced with boost thread

Add transformer to the memory data layer

Implement Forward_gpu in the base prefetching data layer

The BasePrefetchingDataLayer shouldn't join the thread

Simplify the WindowDataLayer using the base class

Remove duplicate codes from the ImageDataLayer

Extract common data layer functionalities out of the DataLayer

Create base data layer and base prefetching data layer

Merge pull request #1025 from mohomran/minor_fix_to_mnist_solver_prototxt

Snapshot naming issue in mnist_autoencoder_solver_adagrad.prototxt

fixed relative path and prefix for adagrad-optimised autoencoder snapshots

Merge pull request #1023 from longjon/unbreak-pycaffe

Fix pycaffe break due to dropping {blob,layer}.name

[pycaffe] use _blob_names, _layer_names instead of removed .name

[pycaffe] expose Net.blob_names and Net.layer_names

[pycaffe] add converter for vector<string> used by _*_names

add CUDA 6.5 error CUBLAS_STATUS_LICENSE_ERROR to cublasGetErrorString
enum

revert tools/train_net.cpp to previous, depecated version

Merge branch 'qipeng-solvers' into dev

make MNIST autoencoder solvers start from base_lr 0.01 and step (much
better performance) and terminate at iter 65K

make adagrad/nesterov train scripts follow new "run-from-root"
convention

Add "test-on-train" stage to test accuracy on the training data; correct
test_iter (should be 100 instead of 50)

mnist_autoencoder: always compute both cross-entropy loss and L2
(euclidean) error

hot fix for warning

lint

Re-added solver switch into the new caffe main excutable; fixed AdaGrad MNIST example

lint

Added sanity check for AdaGradSolver; added MNIST examples for solvers

Merge Test{SGD,AdaGrad,Nesterov}Solver; they become subclasses of
TestGradientBasedSolver

cleanup caffe.proto

added unit test for solvers and fixed solver bugs

proto conflit, lint, and math_functions (compiler complaint)

fixes after rebase

Addressed Yangqing's comments

fixed caffe.proto after a mistaken rebase

Added L1 regularization support for the weights

bugfixes for AdaGrad

improved numerical stability for AdaGrad

fixed solver constructor in train_net.cpp

converted pointers to shared_ptr

restored vituals in solver.hpp

Solver switching support & implementation of Nesterov's accelerated gradient and AdaGrad

use LMDB in mnist autoencoder examples

make no GPU error in CPU-only mode a little clearer

include comment on CPU mode fine-tuning for Flickr example

Merge pull request #1014 from longjon/cleaner-pycaffe

Clean up pycaffe core

Merge pull request #1008 from mohomran/mnist_with_lmdb

convert MNIST demo to lmdb, fixes

Merge pull request #1015 from mohomran/fixing_parse_log_script

fix for tools/extra/parse_log.sh

parse_log.sh adapted to new training log format + fixed typos and updated description

updated lenet_train_test.prototxt + minor correction to create_mnist.sh

minor changes to variable names and error messages + set default backed in convert_mnist_data.cpp to lmdb

data now written to backend in batches

mnist demo now works with lmdb and leveldb (set parameter in create_mnist.sh), switched around includes

[pycaffe] expose Blob.Reshape

While this function should never be called in the current interface, it
will be necessary to have when embedding Python.

[pycaffe] remove name property from PyBlob and PyLayer

Attaching names to pycaffe Blobs and Layers isn't necessary anymore,
since they are now accessed by name. This change brings PyBlob and
PyLayer closer to their C++ counterparts, and makes it easier to pass
around blobs without knowing their names, e.g., when embedding Python
in a layer.

[pycaffe] declare the _caffe module init function

[pycaffe] split _caffe into source and header files

This brings pycaffe more in line with usual C++ style, and will allow
the wrapper classes to be used within caffe when embedding Python.

[pycaffe] make PyBlob a template over Dtype

We will not actually support double nets in Python with this commit, but
this change will be necessary to create layers that embed Python.

[pycaffe] make PyNet a class, not a struct