Caffe
-
caffe的运行create_data.sh前对VOC2007图片格式的更改
运用caffe进行深度学习之前需要对图片进行预处理，将图片的大小，格式等进行修改 将300*300的图片改为256*256格式 则将以下参数改为： min_dim=256 max_dim=256 width=256 height=256
-
caffe编译环境的错误：..build_release/src/caffe/proto/caffe.pb.h:23:35: fatal error: google/protobuf/arena.h: 没有那个文件
在搭建caffe的环境时出现错误： .build_release/src/caffe/proto/caffe.pb.h:23:35: fatal error: google/protobuf/arena.h: 没有那个文件 错误原因，在caffe安装之前安装了annoconda3.6的版本，版本中自带了protobuf3.x版本，对caffe的编译环境产生了…
-
在caffe-ssd的环境搭建中遇到报错信息：Makefile:588: recipe for target ‘.build_release/cuda/src/caffe/layers/softmax_loss_layer.o’ failed
错误原因： 1.计算机没有安装GPU 2.有GPU但是NVCCFLAGS设置错误 解决方法： 1.对没有GPU的计算机，需要将Makefile中的CPU之前的#注释去掉，是的caffe运行的处理器进行更换 2.对于GPU环境的计算机，需要将Makefile中的NVCCFLAGS的设置更改 将：NVCCFLAGS += -ccbin=$(CXX) -Xcomp…
-
caffe-ssd的GPU安装时make runtest报错： BatchReindexLayerTest/3.TestGradient, where TypeParam = caffe::GPUDevice
报错原因：装了两个cuda，BatchReindexLayerTest/3.TestGradient不能确定用那个 解决办法1：删除其中一个（最好删除9.1，TensorFlow支持的是9.0，为了后期安装TensorFlow就牺牲9.1版本） 解决办法2：在BatchReindexLayerTest/3.TestGradient文件中指定为cuda9.0
-
在caffe中执行脚本文件时 报错：-bash: ./train.sh: Permission denied
报错原因：没有权限 解决方法：chmod 777 train.sh获得权限
-
caffe-ssd的GPU安装时make test 报错：.build_release/test/test_all.testbin:
报错原因：LIBRARIES路径添加不全 解决方法：LIBRARIES += glog gflags protobuf boost_system boost_filesystem boost_regex m hdf5_serial_hl hdf5_hl hdf5 hdf5_serial
-
caffe-ssd的GPU在make runtest的时候报错：BatchReindexLayerTest/2.TestGradient，where TypeParam=caffe::GPUdevice（）()
make runtest报错：BatchReindexLayerTest/2.TestGradient，where TypeParam=caffe::GPUdevice<float> BatchReindexLayerTest/2.TestGradient，where TypeParam=caffe::GPUdevice<d…
-
安装caffe-ssd或者caffe时make all，make pycaffe，make test运行慢的问题
之所有运行慢，是因为没有在这三条语句后面加上 -j，即没用全部的进程运行，不加-j 表示用单一进程运行，加上-j5表示用5个进程，-j不带数字表示用所有进程
-
make pycaffe时候报错：Makefile:501: recipe for target ‘python/caffe/_caffe.so’ failed
安装caffe-ssd编译环境的时候报错： python/caffe/_caffe.cpp:10:31: fatal error: numpy/arrayobject.h: No such file or directorycompilation terminated.Makefile:501: recipe for target ‘python/caffe…
-
caffe中train过程的train数据集、val数据集、test时候的test数据集区别
val是validation的简称。training dataset 和 validation dataset都是在训练的时候起作用。而因为validation的数据集和training没有交集，所以这部分数据对最终训练出的模型没有贡献。validation的主要作用是来验证是否过拟合、以及用来调节训练参数等。 比如你训练0-10000次迭代过程中，trai…
