Caffe
-
Caffe Python MemoryDataLayer Segmentation Fault
http://home.cnblogs.com/louyihang-loves-baiyan/ 因为利用Pyhon来做数据的预处理比较方便，因此在data_layer选择上，采用了MemoryDataLayer,可以比较方便的直接用Python 根据set_input_array进行feed数据，然后再调用solver进行step就可以了。说一下我碰到的问题…
-
caffe分类输出概率都一样！怎么办！
最近，由于工作的需要，要使用Caffe做深度学习分类。从安装，到调试，再到走通真是好费周折。好不容易能够做分类了，结果不论输入什么图片，输出的各个类别的概率都是一样的。刚开始，我以为是输入到网络里的数据在哪里出问题了，于是将这些数据转换成图片,果不其然。原来，我在使用多通道的时候用了GDAL读取数据，在重新组织数据的时候参考了网上的一篇微博，读出的数据居然是…
-
fcn+caffe+voc2012实验记录
参考博客： http://blog.csdn.net/haoji007/article/details/77148374 http://blog.csdn.net/jacke121/article/details/78160398 voc数据集下载地址： https://pjreddie.com/projects/pascal-voc-dataset-m…
-
caffe: fuck compile error again : error: a value of type “const float *” cannot be used to initialize an entity of type “float *”
wangxiao@wangxiao-GTX980:~/Downloads/caffe-master$ make -j8find: `wangxiao/bvlc_alexnet/spl’: No such file or directoryfind: `caffemodel’: No such file or directoryfind: `wangxiao/…
-
Python+caffe实现
注：一下都是在win上安装 1.下载python3.5版本(一定对于，不然无法安装) 下载链接 https://www.python.org/downloads/release/python-353/ 选择64或32位类型，对应三种安装方式 2.下载Caffe的Github Caffe的Github的Windows分支网址： https://github.c…
-
深度学习21天实战caffe学习笔记《12：Caffe 最优化求解过程》
caffe相关代码注释：https://github.com/QueenJuliaZxx/Caffe 1、求解器Solver 目的：让损失函数达到全局最小； 特性： 负责记录优化过程，创建用于学习的训练网络和用于评估学习效果的测试网络； 调用Forward–>调用Backword–>更新权值，反复迭代优化模型； 周期性地评估测试网络； 在优化…
-
Ubuntu上用caffe的SSD方法训练Pascal VOC数据集
实验目的 继caffe和ssd搭建完成，demo也演示完毕，了解一些基本知识后，现在开始训练自己的数据集，在给自己的训练集处理之前，先跟着官方的示例将Pascal VOC数据集训练走一遍，把可能会踩坑的地方先踩过去，积累点经验。 实验环境 训练平台：NVIDIA K80 预测平台：NVIDIA TX1 语言 ：C++，Python 框架 …
-
开源神经网络框架Caffe2全介绍
本文作者吴逸鸣，整理自作者在GTCChina 2017大会上的演讲，首发于作者的知乎文章。 我个人认为这是一份很值得分享的资料，因为 这应该是第一次使用全中文来讲解Caffe2和FB的AI应用的演讲 观看这次演讲不需要机器学习／神经网络，甚至计算机科学的基础。它适合每一个愿意了解人工智能、神经网络和Caffe2的人。 我准备了很久！（这才是主要原因哈哈哈，但…
-
caffe中的loss和accuracy曲线
caffe绘制训练过程的loss和accuracy曲线 转载自http://blog.csdn.net/u013078356/article/details/51154847 在caffe的训练过程中，大家难免想图形化自己的训练数据，以便更好的展示结果。如果自己写代码记录训练过程的数据，那就太麻烦了，caffe中其实已经自带了这样的小工具 caffe-m…
-
caffe测试集分类类别完全一样，得分也一样
今天训练了SE-ResNet，任务是二分类。 训练 训练完成后的loss曲线为：有曲线图可知，train_loss整体都在0.207左右，test_loss整体都在0.68-0.695之间。这样的loss曲线可以证明没有训好，根本没有学到东西（这是训的什么玩意儿！！！）。 测试 这里重点说一下测试的现象。抱着试一试的心态，我用classification.c…
