caffe
文章平均质量分 60
海边的第八只螃蟹
这个作者很懒,什么都没留下…
展开
-
将数据转换为caffe可用的lmdb格式(convert_data_lmdb.sh 解析)
一般用文件存储图像数据的路径及其标注,但是caffe所使用的数据为LMDB格式或者HDF5格式,所以需要进行数据集的格式转换。例如:训练数据存储在 train.list中,测试数据存储在val.list中,其内容为每张图像的路径及其标注。 利用convert_data_lmdb.sh,将其转换为LMDB格式。原创 2016-05-31 20:48:49 · 6033 阅读 · 0 评论 -
caffe——solver层详解
solver层(*_solver.prototxt)与train_val.prototxt层配合使用。 solver层定义了如何使用model。The Caffe solvers are: 1. Stochastic Gradient Descent (type: “SGD”) 2. AdaDelta (type: “AdaDelta”) 3. Adaptive Gradien转载 2016-09-28 20:59:42 · 1213 阅读 · 0 评论 -
利用caffe训练好的模型进行测试
在caffe训练的过程中,我们利用验证集来测试,可以大概了解模型的准确率。本文讲解的是,对于caffe训练好的模型进行预测,得出准确率。主要需要一下几个文件:其中log文件夹保存的是测试结果 snapshot_iter_50000.caffemodel.h5: 为需要测试的caffe模型 test.sh: 为测试程序 trai原创 2016-12-29 10:13:06 · 7487 阅读 · 2 评论 -
《Instance-aware Semantic Segmentation via Multi-task Network Cascades》(MNC),用自己的数据运行
这篇博文主要对《Instance-aware Semantic Segmentation via Multi-task Network Cascades》论文的代码用自己的数据运行,数据格式与原代码所需的格式一致。只是基础的利用代码,从这个过程里能了解代码的运行框架。对这篇论文的理解参见:http://blog.csdn.net/u011070171/article/details/53071原创 2017-01-13 17:08:26 · 3950 阅读 · 22 评论 -
利用caffe日志进行测试精度训练损失等的画图(caffe训练结果可视化)
本文主要介绍,将caffe训练得到的accracy,loss进行图像化。对于一般caffe训练结果的可视化:1.在训练时,需要将训练的结果保存日志。 train.sh:#!/usr/bin/env shTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhua原创 2016-10-26 18:42:14 · 9241 阅读 · 25 评论 -
编译caffe出现错误:make: *** [.build_release/src/caffe/common.o] Error 1
在编译caffe时出现错误:In file included from ./include/caffe/util/device_alternate.hpp:40:0, from ./include/caffe/common.hpp:19, from src/caffe/common.cpp:7:./include/caffe原创 2016-08-23 17:44:23 · 37314 阅读 · 27 评论 -
MNC用自己的数据运行得到如下错误:IndexError: index 4 is out of bounds for axis 1 with size 4
用自己的数据运行MNC的demo.py得到如下错误:Demo for data/demo/000001.jpgforward time 0.193202Traceback (most recent call last): File "demo.py", line 139, in 100, im.shape[1], im.shape[0]) File "/home/zhua原创 2017-04-19 19:08:04 · 20921 阅读 · 4 评论 -
faster-rcnn 训练出错: Train net output #7: bbox_loss = 0
训练faster-rcnn时出现如下错误:I0420 11:41:59.087788 3180 solver.cpp:245] Train net output #7: bbox_loss = 0 (* 1 = 0 loss)原因:训练时,训练数目太少了,box的loss更新不动。解决办法: 在../config.py里提高ROI的数目, 即提高 __C原创 2017-04-20 11:44:04 · 3973 阅读 · 1 评论 -
caffe出错:Unknown bottom blob 'data' (layer 'conv1', bottom index 0)
caffe训练出现如下错误:Unknown bottom blob 'data' (layer 'conv1', bottom index 0)问题,缺少对应的data.解决:可能是在训练的时候加入测试迭代数,可是网络文件里并没有测试网络。原创 2017-07-19 17:30:01 · 4119 阅读 · 0 评论 -
caffe出错‘ImportError: libcudart.so.7.5: cannot open shared object file: No such file’
网上答案:export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"export CUDA_HOME=/usr/local/cuda个人情况: MNC的lib文件里,删除对应的.so文件。原创 2017-08-14 19:59:12 · 1511 阅读 · 1 评论 -
caffe源码分析 vector<Blob<Dtype>*>& bottom
转载出处:http://blog.csdn.net/qq_14975217/article/details/51524042Blob:4个维度 n x c x h x w;bottom[0] 、bottom[1]代表该层有几个输入。bottom[0]->count(): 输入中,元素的总维数(个数)bottom[0]->nums(): 输入中,块(block)的个数,该参数还对转载 2017-09-06 16:43:21 · 529 阅读 · 0 评论 -
caffe euclidean loss ignore label
如果需要在Euclidean loss层ignore掉某一类标签,caffe框架里的Euclidean loss层并没有实现这一条件,需要自己根据已有的Euclidean loss层来更改。1.了解 euclidean loss计算方式http://blog.csdn.net/seashell_9/article/details/680642942.这个版本的Eucli原创 2017-09-12 19:47:23 · 3104 阅读 · 4 评论 -
fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h
caffe编译出错: fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h解决:# In the directory you installed Caffe toprotoc src/caffe/proto/caffe.proto --cp转载 2017-12-17 23:17:14 · 5231 阅读 · 2 评论 -
caffe特征可视化
这篇博文对于caffe 网络训练到的特征进行可视化。参考: http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb http://www.cnblogs.com/louyihang-loves-baiyan/p/5134671.ht原创 2016-11-01 17:09:07 · 2112 阅读 · 0 评论 -
caffe程序运行流程
在训练caffe网络的时候,train.sh的内容为:#!/usr/bin/env shTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhuangni/code/Multi-Task/experiment_single/attr1/vgg/log/' \$TOOLS/ca原创 2016-10-28 10:31:53 · 2669 阅读 · 6 评论 -
调用caffe进行网络训练(caffe.cpp 解析)
caffe.cpp 文件为调用caffe进行网络训练的主要代码,内包含 train,test,time等函数对网络进行训练,微调,测试,时间计算。 caffe.cpp文件位于: /caffe-master/tools/caffe.cpp参考博文: http://blog.sina.com.cn/s/blog_9a3e0f110102w9r1.html#ifdef WITH_原创 2016-07-14 15:21:05 · 10577 阅读 · 2 评论 -
caffe增加额外的依赖库
caffe增加额外的依赖库例如需要增加CGAL库,在caffe 的Makefile里添加CGAL即可。LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 CGAL原创 2016-08-06 19:19:27 · 904 阅读 · 0 评论 -
caffe 更改源码,使得输入数据为多个标签
caffe数据层(DataLayer)的数据来源有:1.数据来自数据库(LevelDB或LMDB) 层类型(layer type):Datalayer { top: "data" top: "label" name: "data" type: "Data" data_param { source: "/home/zhuangni/code/FaceD原创 2016-08-09 10:18:45 · 3750 阅读 · 4 评论 -
搭建faster-rcnn进行目标检测的环境
1.电脑上已经有可运行caffe所需的环境2.下载faster-rcnn python版本源码 git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git3. 进入/py-faster-rcnn/lib 进行编译cd /py-faster-rcnn/libmake4.原创 2016-09-01 16:02:42 · 7566 阅读 · 22 评论 -
强烈推荐一个在线caffe网络可视化工具!!
简直想奔走相告!!在线的caffe网络可视化工具: http://ethereon.github.io/netscope/quickstart.html可以可视化写的网络结构,鼠标移上去还能看见参数配置。我的网络:原创 2016-10-09 16:19:37 · 19647 阅读 · 2 评论 -
Caffe部署中的几个train-test-solver-prototxt-deploy等说明 (一)
转载地址: http://blog.csdn.net/lg1259156776/article/details/52550830本文只是自己学习一天的总结,如有不对的地方,欢迎指正!欢迎大家转载,但请标明出处,谢谢!1、*_train_test.prototxt文件这是训练与测试网络配置文件(1)在数据层中 参数include{转载 2016-10-13 09:07:15 · 1282 阅读 · 0 评论 -
Caffe部署中的几个train-test-solver-prototxt-deploy等说明 (二)
deploy.prototxt1.删除输入数据(如:type:data...inckude{phase: TRAIN}),然后添加一个数据维度描述。 input: "data" input_dim: 1 input_dim: 3 input_dim: 224 input_dim: 224 force_backwa转载 2016-10-13 09:27:08 · 799 阅读 · 0 评论 -
Caffe部署中的几个train-test-solver-prototxt-deploy等说明<三>
转载地址: http://blog.csdn.net/lg1259156776/article/details/525508651:神经网络中,我们通过最小化神经网络来训练网络,所以在训练时最后一层是损失函数层(LOSS),在测试时我们通过准确率来评价该网络的优劣,因此最后一层是准确率层(ACCURACY)。但是当我们真正要使用训练好的数据时,我们需要的是网络给转载 2016-10-13 14:16:13 · 2543 阅读 · 0 评论 -
更改caffe使得其接收多标签输入,并在网络层中使用
参考文章: http://www.dlworld.cn/YuanMaXiaZai/839.html一般,caffe数据在转换为lmdb格式前,数据内容为: 000001.jpg 1现更改caffe,使得其接收数据形式为: 000001.jpg 1 1 -1 -1 1 的数据内容。主要思想:(更改convert_imageset.cpp文件,使得分别生成图片的lmdb数据格式和标签的原创 2016-09-27 17:52:19 · 2998 阅读 · 5 评论 -
caffe训练出错 loss= 87.3365
caffe训练网络的时候,出现loss= 87.3365,解决:将solver.prototxt中的base_lr调小。 若base_lr:0.01,可调为base_lr:0.001.原创 2016-10-08 11:22:22 · 2800 阅读 · 0 评论 -
<Learning Transferable Features with Deep Adaptation Networks>caffe 添加MMDLoss层(caffe 自定义网络层)
这篇文章主要通过《Learning Transferable Features with Deep Adaptation Networks》这篇论文,增加MMDLoss网络层,对caffe增加网络层进行讲解。1.添加头文件 在/caffe-master/include/caffe/layers/neuron_layer.hpp 中添加MMDLoss的头文件声明#ifndef CAF原创 2016-08-06 19:05:19 · 3330 阅读 · 4 评论 -
caffe训练出错:malloc(): memory corruption
caffe训练网络时出现错误:*** Aborted at1476722149 (unix time) try "date -d @1476722149" if you areusing GNU date ***PC: @ 0x7f81a419bed4 caffe::BlobProto::SerializeWithCachedSizesToArray()*** Error原创 2016-10-18 10:04:06 · 6983 阅读 · 3 评论 -
使用coco数据集,faster rcnn类方法训练出错解决
问题:在caffe框架下,使用coco数据集进行faster rcnn类方法训练,得到如下错误: File "/data/zn/light_head_rcnn/script/py-RFCN-priv/tools/../lib/rpn/anchor_target_layer.py", line 146, in forward argmax_overlaps = overlaps.argma...原创 2018-06-20 17:44:19 · 4098 阅读 · 3 评论