图像︱caffe
悟乙己
心如花木,皆向阳而生!
展开
-
caffe︱cifar-10数据集quick模型的官方案例
准备拿几个caffe官方案例用来练习,就看到了caffe中的官方案例有cifar-10数据集。于是练习了一下,在CPU情况下构建quick模型。主要参考博客:liumaolincycle的博客 配置:win10下虚拟机,ubuntu 16.04 虚拟机安装: win10系统搭建虚拟机:VMware Workstation Player 12环境+Ubuntu Kylin 16.原创 2016-12-08 11:40:28 · 2113 阅读 · 0 评论 -
迁移学习︱艺术风格转化:Artistic style-transfer+ubuntu14.0+caffe(only CPU)
说起来这门技术大多是秀的成分高于实际,但是呢,其也可以作为图像增强的工具,看到一些比赛拿他作训练集扩充,还是一个比较好的思路。如何在caffe上面实现简单的风格转化呢?好像网上的博文都没有说清楚,而且笔者也没有GPU机器,于是乎,走上了漫漫的研究逼死自己之路...作者实践机器配置:服务器:ubuntu16.04(8 core)+caffe+only CPU一、图像风格迁移:image style原创 2017-01-02 14:41:27 · 9778 阅读 · 10 评论 -
微调︱caffe中fine-tuning模型三重天(函数详解、框架简述)+微调技巧
本文主要参考caffe官方文档[《Fine-tuning a Pretrained Network for Style Recognition》](http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/02-fine-tuning.ipynb)是第二篇案例。笔者对其进行了为期一周的断断续续的研究,笔者起先对python原创 2017-02-12 13:15:09 · 9930 阅读 · 0 评论 -
caffe+鉴黄︱yahoo+open_nsfw 中resnet_50_1by2、遇到问题
NSFW:Not Suitable for Work; SFW:Suitable for Work github:https://github.com/yahoo/open_nsfw 同样参考机器之心的文章:《雅虎开源首个色情图像检测深度学习解决方案》 . 公众号“素质云笔记”定期更新博客内容: 一、NSFW来历1、模型来历finet...原创 2017-03-15 17:27:35 · 11704 阅读 · 0 评论 -
SSD+caffe︱Single Shot MultiBox Detector 目标检测+fine-tuning(二)
承接上一篇SSD介绍:SSD+caffe︱Single Shot MultiBox Detector 目标检测(一) 如果自己要训练SSD模型呢,关键的就是LMDB格式生成,从官方教程weiliu89/caffe来看,寥寥几行code,但是前面的数据整理真实要了老命。 教程其实就是一种fine-tuning,在VGG基础上进行训练SSD框架。 公众号“素质云笔记”定期更...原创 2017-03-29 19:05:03 · 7153 阅读 · 0 评论 -
学习笔记︱Nvidia DIGITS网页版深度学习框架——深度学习版SPSS
DIGITS: Deep Learning GPU Training System1,是由英伟达(NVIDIA)公司开发的第一个交互式深度学习GPU训练系统。目的在于整合现有的Deep Learning开发工具,实现深度神经网络(Deep Neural Network,DNN)设计、训练和可视化等任务变得简单化。DIGITS是基于浏览器的接口,因而通过实时的网络行为的可视化,可以快原创 2017-01-04 18:49:27 · 19476 阅读 · 10 评论 -
SSD+caffe︱Single Shot MultiBox Detector 目标检测(一)
作者的思路就是Faster R-CNN+YOLO,利用YOLO的思路和Faster R-CNN的anchor box的思想。 .0 导读(本节来源于BOT大赛嘉宾问答环节 ) SSD 这里的设计就是导致你可以一下子可以检测 8 张图,FasterRCNN 一下子只能检测 1 张图片,这样的话会导致会有 8 张图片的延迟。但是我觉得如果你用 FasterRCNN 的话,你可以优化前面...原创 2017-03-28 17:13:21 · 14769 阅读 · 4 评论 -
Caffe、TensorFlow、MXnet三个开源库对比+主流分类模型对比
库名称开发语言支持接口安装难度(ubuntu)文档风格示例支持模型上手难易Caffec++/cudac++/python/matlab*******CNN**MXNetc++/cudapython/R/Julia**转载 2016-10-02 13:08:22 · 10200 阅读 · 0 评论 -
R用户的福音︱TensorFlow:TensorFlow的R接口
TensorFlowTensorFlow™ is an open source software library for numerical computation using data flow graphs. Nodes in the graph represent mathematical operations, while the graph edges represe转载 2016-10-05 11:01:08 · 12587 阅读 · 0 评论 -
caffe+GPU︱AWS.G2+Ubuntu14.04+GPU+CUDA8.0+cudnn8.0
国服亚马逊的GPU实例G2.2xlarge的python+caffe的安装过程,被虐… 一周才装出来… BVLC/caffe的在AWS安装的官方教程github: https://github.com/BVLC/caffe/wiki/Install-Caffe-on-EC2-from-scratch-(Ubuntu,-CUDA-7,-cuDNN-3)如果要在AWS试的话,推荐不要用其他原创 2017-02-21 18:51:12 · 3810 阅读 · 0 评论 -
caffe︱Places365-CNNs For Scene Recognition
ILSVRC2016中有一个Places Scene Classification和Scene Parsing项目的内容。 这次Places Scene Classification(Places2: A Large-Scale Database for Scene Understanding)是第二次作为ILSVRC的比赛项目,而Scene Parsing Challenge(MI原创 2017-03-03 18:04:35 · 9785 阅读 · 1 评论 -
caffe+CPU︱虚拟机+Ubuntu16.04+CPU+caffe安装笔记
由于本机是window10系统,所以想尝试caffe就在自己电脑上整了一个虚拟机(详情可见:win10系统搭建虚拟机:VMware Workstation Player 12环境+Ubuntu Kylin 16.04 LTS系统),然后昨天在自己虚拟机上配置了一个caffe环境。 其中,只是尝试着搭建了一个CPU版本的caffe,Ubuntu16.04中自带了python 2.7。原创 2016-12-07 11:42:12 · 15289 阅读 · 8 评论 -
利用Caffe训练模型(solver、deploy、train_val)+python使用已训练模型
本文部分内容来源于CDA深度学习实战课堂,由唐宇迪老师授课如果你企图用CPU来训练模型,那么你就疯了…训练模型中,最耗时的因素是图像大小size,一般227*227用CPU来训练的话,训练1万次可能要超过1周的时间。不同的网络结构,可能会有不同图片尺寸的需求,所以训练之前需要了解一下,在生成LMDB环节就直接符合上模型的数据要求。如果你自己DIY了框架,那么不知道如何检验框架与通用框架比较,原创 2017-01-06 19:17:49 · 14835 阅读 · 2 评论 -
caffe︱ImageData层、DummyData层作为原始数据导入的应用
Part1:caffe的ImageData层ImageData是一个图像输入层,该层的好处是,直接输入原始图像信息就可以导入分析。 在案例中利用ImageData层进行数据转化,得到了一批数据。 但是笔者现在还有几个问题,这个ImageData只能显示一个batch的图像信息,不能在同一案例循环使用的是吧?L.ImageData之后的数据,可以直接用于框架的输入数据吗?(待尝试) .一、原创 2017-02-12 13:25:10 · 10111 阅读 · 4 评论 -
mxnet:结合R与GPU加速深度学习
转载于统计之都,http://cos.name/tag/dmlc/,作者陈天奇近年来,深度学习可谓是机器学习方向的明星概念,不同的模型分别在图像处理与自然语言处理等任务中取得了前所未有的好成绩。在实际的应用中,大家除了关心模型的准确度,还常常希望能比较快速地完成模型的训练。一个常用的加速手段便是将模型放在GPU上进行训练。然而由于种种原因,R语言似乎缺少一个能够在GPU上训练深度学习模转载 2016-10-05 10:57:41 · 6298 阅读 · 0 评论 -
MxNet+R︱用R语言实现深度学习(单CPU/API接口,一)
MxNet有了亚马逊站台之后,声势大涨,加之接口多样化,又支持R语言所以一定要学一下。而且作为R语言的fans,为啥咱们R语言就不能上深度学习嘞~一、MxNet对R的API接口MxNet提供给了R一个API接口,但是这个API接口也不是万能的,不同的操作系统有着不同的使用功能。Windows/Mac用户——只能CPU训练可以通过下面的代码安装预编译的版本。这个版本会每周进行预编译,不过为了保证兼容原创 2016-12-20 14:32:23 · 7435 阅读 · 1 评论 -
Caffe︱构建lmdb数据集、binaryproto均值文件及各类难辨的文件路径名设置细解
Lmdb生成的过程简述1、整理并约束尺寸,文件夹。图片放在不同的文件夹之下,注意图片的size需要规约到统一的格式,不然计算均值文件的时候会报错。 2、将内容生成列表放入txt文件中。两个txt文件,train训练文件、val测试文件。 Train里面就是你的分类了。 3、形成LMDB数据集。4、形成训练集的均值文件。整理并规约。一般情况下整理用数据增强的功能,一般用opencv,这块笔者还原创 2017-01-04 17:12:15 · 6669 阅读 · 4 评论 -
caffe+报错︱深度学习参数调优杂记+caffe训练时的问题+dropout/batch Normalization
一、深度学习中常用的调节参数 本节为笔者上课笔记(CDA深度学习实战课程第一期)1、学习率步长的选择:你走的距离长短,越短当然不会错过,但是耗时间。步长的选择比较麻烦。步长越小,越容易得到局部最优化(到了比较大的山谷,就出不去了),而大了会全局最优一般来说,前1000步,很大,0.1;到了后面,迭代次数增高,下降0.01,再多,然后再小一些。 2、权重梯度消失的情况,就是当数值接近于正向∞,原创 2017-01-08 11:27:48 · 42671 阅读 · 1 评论