deeplearning
文章平均质量分 77
10km
这个作者很懒,什么都没留下…
展开
-
conan入门(二十九):对阿里mnn进行Conan封装塈conans.CMake和conan.tools.cmake.CMake的区别
去年写过一篇博客,当时通过自己写conanfile.py,实现了对第三方库cpp_redis的conan封装。当时使用的conan 1.45.0时过一年多,conan版本也经过了很多次升级,最新的版本是2.x,不过为了保持兼容现在我使用的版本是1.60.0。原创 2023-09-26 12:51:52 · 401 阅读 · 0 评论 -
conan入门(三十):对腾讯ncnn进行Conan封装
是腾讯开源的一个为手机端极致优化的高性能神经网络前向计算框架。因为项目中需要用到它,所以我需要对它进行conan封装,以支持我们基于conan管理的项目的引用。ncnn代码比较成熟,项目结构清晰,对于conan封装的主要工作量就是将CMakeLists.txt脚本的option命令定义的开关在conanfile.py的options中定义为对应的conan 选项开关.原创 2023-09-26 14:06:20 · 347 阅读 · 0 评论 -
CentOS6.5编译Caffe过程记录(系统存在多个编译器)
最近开始学习Caffe,准备工作就是要把Caffe的开发环境建立起来,首先就是要能成功编译Caffe 买了本卜居博主的Caffe入门书:《深度学习:21天实战Caffe》,上面有详细的Caffe编译说明。原本以为照着说明步骤一步步往下走就能一轻松完成编译,实际情况却比我想象的复杂了。 先说明一下我的电脑环境: 操作系统是linux centos6.5(虚拟机),原生的gcc编译器版本是4.4原创 2016-09-24 18:13:02 · 2267 阅读 · 1 评论 -
Caffe:Message type “caffe.LayerParameter“ has no field named “reshape_param“.
在执行py-faster-rcnn-master的演示程序(tools/demo.py)时 报错: Message type “caffe.LayerParameter” has no field named “reshape_param”.google上找到了rbgirshick大神的回复 https://github.com/rbgirshick/fast-rcnn/issues/1原创 2016-11-13 15:56:12 · 12333 阅读 · 2 评论 -
SSD(Single Shot MultiBox Detector):ubuntu16安装及训练自己的数据集(VOC2007格式)过程记录
安装SSD# SSD代码clone到 caffe-ssd文件夹下git clone --recursive https://github.com/weiliu89/caffe.git caffe-ssdcd caffe-ssd# 选择ssd分支git checkout ssd编译caffe对于一个新的ubuntu系统,编译caffe需要安装相应依赖库,如果你成功编译过caffe和faster原创 2017-04-14 10:48:13 · 3542 阅读 · 1 评论 -
SSD(Single Shot MultiBox Detector)的solver参数 test_initialization的说明塈解决训练时一直停在Iteration 0的问题
前阵子训练过一次SSD模型,训练后发现数据集有问题,修改了数据集后,今天准备再做一次SSD训练时,如下执行训练代码:python ./examples/ssd/ssd_pascal.py 到了开始迭代时,一直停在Iteration 0,进行不下去。。。 对于还不完全熟悉SSD代码结构的我来说,遇到这个问题当时脑子一下子就懵了,一时不知是哪里出了问题。因为我之前已经成功做过一次训练,此次训练只原创 2017-05-04 15:59:19 · 6103 阅读 · 3 评论 -
SSD(Single Shot MultiBox Detector):绘制训练过程loss,accuracy曲线
关于标准Caffe绘制loss,accuracy曲线参见这篇博客,写得很详细《Caffe 绘制训练过程loss,accuracy曲线》,而训练SSD时绘制loss,accuracy曲线稍简单点,因为SSD的训练脚本已经完成了日志输出重定向工作 。训练时训练日志已经以文件形式保存在jobs文件夹下 所以我们要做的就是直接利用这个日志文件绘制训练过程loss,accuracy曲线。分析日志生成数据原创 2017-05-05 11:32:08 · 4602 阅读 · 4 评论 -
SSD(Single Shot MultiBox Detector):create_list.sh io.cpp:187 Could not open or find file
今天在为SSD训练自己的数据时执行caff/data/VOC0712/create_list.sh时报了好多这个错误: E0412 16:28:31.653440 5008 io.cpp:187] Could not open or find file/home/guyadong/data/VOCdevkit/facedata/JPEGImages/070010 就是找不到指定的图像文件,原创 2017-04-12 16:53:01 · 6207 阅读 · 9 评论 -
SSD(Single Shot MultiBox Detector):因为数据集中图像通道数不对导致的训练异常
今天在开始做SSD训练的时候,报了一个错误 导致训练无法 进行下去: OpenCV Error: Assertion failed ((scn == 3 || scn == 4) && (depth == CV_8U || depth == CV_32F)) in cvtColor, file /build/opencv-SviWsf/opencv-2.4.9.1+dfsg/modules/im原创 2017-04-13 18:16:14 · 6726 阅读 · 20 评论 -
faster rcnn:assert (boxes[:, 2] >= boxes[:, 0]).all()分析塈VOC2007 xml坐标定义理解
在进行faster rcnn训练的时候,报了一个断言错误 File “/py-faster-rcnn/tools/../lib/datasets/imdb.py”, line 108, in append_flipped_images assert (boxes[:, 2] >= boxes[:, 0]).all() AssertionError参照这篇文章,找到了解决办法原创 2017-03-22 00:42:45 · 8356 阅读 · 15 评论 -
Caffe: Could not find PROTOBUF Compiler(Profobuf 3.0 above)
在用cmake生成Caffe工程文件的时候,如果你使用Protobuf 3.0以上的版本,cmake可能会产生如下的报错: CMake Error at cmake/ProtoBuf.cmake:18 (message): Could not find PROTOBUF Compiler Call Stack (most recent call first): cmake/原创 2017-07-15 11:25:37 · 10077 阅读 · 1 评论 -
Ubuntu16:cmake生成Makefile编译caffe过程(OpenBLAS/CPU+GPU)塈解决nvcc warning:The ‘compute_20‘, ‘sm_20‘
之前在ubuntu14下实现了Caffe编译(参见去年写的博客 《 Ubuntu14:cmake生成Makefile编译caffe过程(OpenBLAS/CPU only)》)。 最近将系统升级到ubuntu16,新电脑显示也支持CUDA了,重新编译Caffe时发现还依赖库还是有点不同,在这里记下来。硬件配置神舟Z7M-SL7D2笔记本 CPU Core i7-6700HQ(含集成显卡)原创 2017-03-12 16:53:51 · 17671 阅读 · 2 评论 -
Netscope:支持Caffe的神经网络结构在线可视化工具
Netscope是个支持prototxt格式描述的神经网络结构的在线可视工具,地址:http://ethereon.github.io/netscope/quickstart.html 它可以用来可视化Caffe结构里prototxt格式的网络结构 使用起来也非常简单,打开这个地址:http://ethereon.github.io/netscope/#/editor把你的描述神经网络结构的pr原创 2016-09-30 18:18:56 · 41611 阅读 · 3 评论 -
Caffe:CPU模式下使用openblas-openmp(多线程版本)
从所周知,所有的深度学习框架使用GPU运行是最快的,但是在不具备Nvidia显卡的环境下只使用CPU来运行,慢就慢点吧,对于学习阶段还是够用的。Caffe用到的Blas可以选择Altas,OpenBlas,Intel MKL,Blas承担了大量了数学工作,所以在Caffe中Blas对性能的影响很大。 MKL要收费,Altas略显慢(在我的电脑上运行Caffe自带的example/mnist/len原创 2016-10-02 15:02:03 · 15677 阅读 · 6 评论 -
eclipse 下安装PyDev并导入faster rcnn python代码调试
Python在算法研究应用非常广泛,最近要研究faster rcnn的python代码,就得学习python,所以就需要一个趁手的工具来看python代码,否则只是用文本编译器找代码实在是太影响效率了。 因为对eclipse用着很顺手,所以就使用eclipse下的PyDev插件来做python开发工具。安装PyDevPyDev安装最简单的是在线安装,网上有很多文章可以找到。 如果在线安装pyde原创 2017-03-27 11:38:04 · 2380 阅读 · 1 评论 -
faster rcnn demo.py:在一个窗口显示所有类别标注
faster rcnn 的demo.py运行时,对于同一个图像,每个类别显示一个窗口,看起来不太方便,顺便小改一下,让一幅图像中检测到的所有类别物体都在一个窗口下标注,就方便多了。代码改动也不复杂,就是把vis_detections函数中for循环前后三行代码移动到demo函数的for循环前后。原创 2017-03-31 16:10:35 · 7073 阅读 · 12 评论 -
caffe:cpu模式下运行01-learning-lenet.ipynb
要在cpu模式下运行caffe/examples/01-learning-lenet.ipynb,需要如下图两处修改:原创 2017-04-01 11:06:35 · 930 阅读 · 1 评论 -
cuDNN兼容性问题造成的caffe/mnist,py-faster-rcnn/demo运行结果错误
问题描述我有两台电脑,一台笔记本GTX965M显卡,台式机是GTX1060显卡 两台电脑上的软件环境都一样:ubuntu16+cuda8.0+cuDNN4,显卡驱动nvidia-378 在笔记本上运行Caffe带的MNIST手写体识别训练,和py-faster-rcnn的目标检测演示程序(demo.py)很正常(GPU,CPU模式都正常), 在台式机上运算,CPU模式正常,但是GPU模式下结果原创 2017-03-16 13:30:15 · 3562 阅读 · 5 评论 -
使用cuDNN5编译py-faster-rcnn错误:cudnn.hpp(126): error: argument of type "int" is incompatible ...
前几天在cuda8+cudnn5.1下编译py-faster-rcnn/caffe-fast-rcnn时报错了, /home/guyadong/caffe/py-faster-rcnn/caffe-fast-rcnn/include/caffe/util/cudnn.hpp(126): error: argument of type “int” is incompatible with para原创 2017-03-16 11:55:37 · 9309 阅读 · 3 评论 -
cuda:Missing recommended library: libGLU.so,libX11.so,libXi.so,libXmu.so
安装cuda时可能有下面的信息 Installing the CUDA Toolkit in /usr/local/cuda-8.0 … Missing recommended library: libGLU.so Missing recommended library: libX11.so Missing recommended library: libXi.so原创 2017-03-13 11:57:07 · 21898 阅读 · 1 评论 -
cuda8+cuDNN Faster R-CNN安装塈运行demo
安装cudacuda8安装参见网上教程安装cudnnCaffe目前的代码貌似不支持cudnn5,如果安装cudnn5,在编译caffe时会报错: error: argument of type “int” is incompatible with parameter of type “cudnnNanPropagation_t” 参见 https://github.com/tbennun/原创 2017-03-14 16:23:48 · 3518 阅读 · 0 评论 -
CUDA/caffe ERROR:cudaGetDeviceCount returned 30/35,Check failed: error == cudaSuccess (30/35 vs. 0)
解决方法CUDA运行时NVIDAI显卡必须是当前使用的显卡。否则无法获取GPU设备,cudaGetDeviceCount函数会报错,错误码35 nvidia-prime切换显卡,如果只是按照提示logout,再重新login是不行的,必须重启系统,否则会报错,错误码30 caffe的问题也是同样的道理因为caffe也要调用cuda的cudaGetDeviceCount函数获取GPU设备。原创 2017-03-12 23:11:53 · 19227 阅读 · 5 评论 -
Ubuntu14:cmake生成Makefile编译caffe过程(OpenBLAS/CPU only)
之前在CentOS6.5下成功完成了caffe的编译(参见《CentOS6.5编译Caffe过程记录(系统存在多个编译器)》),最近将操作系统平台换成了ubuntu14,网上找到的介绍ubuntu下编译caffe的文章都是直接修改Makfile.config和Makefile来完成编译的,caffe本身提供了用于生成 Makefile的cmake脚本,所以我还是希望尝试用cmake生成的Makefi原创 2016-11-12 19:20:38 · 5946 阅读 · 1 评论 -
学习Caffe代码的方法心得
这几天在学习Caffe的代码结构,有一些心得做一下记录。从prototxt开始按照我的理解,从系统整体结构来看,Caffe是个数据驱动型的系统,而非程序驱动型,如果要类比,可以类似于用于Java应用的Spring框架,我对Spring的了解也非常肤浅,不过我知道基于Sprin框架的java应用都是用xml配置文件来控制的。xml文件里详细定义了每个应用的Class以及相应的参数。。。。 从这一点来原创 2016-10-03 15:45:32 · 6444 阅读 · 1 评论 -
Caffe:CPU模式下使用Intel MKL做mnist训练
下载安装Intel MKL打开这里Intel® Math Kernel Library (Intel® MKL),点击”Get This Library for Free”下载一个非商用的免费版本,很简单,只需要提供邮箱,然后按照步骤一步步来就行了,在下载界面上会有显示序列号,务必记下这个序列号。 以linux版本为例,我下载的文件为l_mkl_2017.0.098.tgz,解压缩后执行ins原创 2016-10-02 18:09:19 · 6416 阅读 · 1 评论 -
ubuntu16 CUDA 编译opencl caffe版本并通过mnist训练测试
一般来说,大家谈到caffe,都是基于CUDA在的NVIDIA显卡上运行的版本,其实有一个支持opencl的分支版本OpenCL Caffe。理论上这个版本的caffe可以运行在支持OpenCL并行计算框架的任何设备上(不限于显卡),因为这个分支版本目前还是试验性版本,所以之前一直没有尝试使用,今天想起来就试着在NVIDIA显卡编译OpenCL Caffe。 这里记下编译过程.原创 2017-03-25 22:32:30 · 3302 阅读 · 1 评论