caffe
罗泽
深度学习实现目标检测的职人;知识传播与分享者;热爱生活的人
展开
-
第一次安装caffe的步骤
在所有的软件环境都在服务器外部已经搭建好之后,则可以使用如下的步骤来进行caffe的安装原创 2017-02-10 17:46:06 · 515 阅读 · 0 评论 -
使用已训练好的caffe模型的步骤
如何使用生成的模型,可能是在训练好模型之后,需要考虑的问题。实际上,caffe是存在两种接口来进行调用模型:1种是基于python的,另一种则是基于c++的。我个人是倾向于使用python接口,因为: 谚语:人生苦短,我用python最近刚好做了一个项目,同时开发了两种接口,所以也刚好来进行两者的比对。0 前言做任何事情之前,最好功利的问一问,做这件事情的目的是什么?如果你是一个如饥似渴的程序原创 2017-03-23 22:20:47 · 10988 阅读 · 5 评论 -
代码笔记:caffe-reid中PairEuclideanLayer源码解析
这是作者自己实现的一个caffe层,用于计算输入的bottum层中一对数据的欧式距离。原创 2017-03-07 09:41:00 · 1125 阅读 · 1 评论 -
代码笔记:caffe-reid中计算mAP和rank1的方法
mAP和rank1均是衡量算法搜索结果的指标。其具体的概念和算法如下所述。mAP概念mAP的全称是mean average precision,用于衡量算法的搜索结果。如下这张图中有实际的例子来描述该公式。其图像链接如下: http://yongyuan.name/blog/evaluation-of-information-retrievalrank1概念搜索结果中最靠前的一张图是正确结果的概率原创 2017-03-07 19:03:02 · 14161 阅读 · 9 评论 -
代码笔记:caffereid利用训练好的模型提取特征
set -eif [ ! -n "$1" ] ;then echo "\$1 is empty, default is 0" gpu=0else echo "use $1-th gpu" gpu=$1fi#base_model=caffenetbase_model=vgg_reduce#base_model=googlenet#base_model=re原创 2017-03-10 15:26:45 · 2033 阅读 · 0 评论 -
代码笔记:caffe-reid中reid_data_layer源码解析
#include <stdint.h>#include <cfloat>#include <vector>#include "caffe/data_transformer.hpp"#include "caffe/layers/reid_data_layer.hpp"#include "caffe/util/benchmark.hpp"#include <boost/thread.hpp>na原创 2017-03-07 09:42:52 · 1378 阅读 · 1 评论 -
代码笔记:caffe-reid中caffe_train.sh的解释
caffe_train.sh的代码解释原创 2017-03-07 15:01:07 · 2472 阅读 · 0 评论 -
代码笔记:caffe-reid中generate_caffenet.py解析
代码地址如下。该代码是用caffe实现的《A Discriminatively Learned CNN Embedding for Person Re-identification》 其中generate_caffenet.py实现的功能是,生成网络文件。其中包括了如下4个文件: train.proto、solver.proto、dev.proto、devploy.proto原创 2017-03-03 16:20:54 · 2448 阅读 · 0 评论 -
Caffe学习笔记《Training LeNet on MNIST with Caffe》
(1)`lenet_train_test.prototxt`文件中已经**填好了**网络的定义语句。如下的部分是对定义的语句做**分析**。(2)如下共分析了两个文件:1是网络的定义文件`lenet_train_test.prototxt`。该文件中描述了网络中的层和关系;2是参数的设置文件`lenet_solver.prototxt`。该文件则描述了学习率等参数的设置。原创 2017-02-13 17:46:01 · 557 阅读 · 0 评论 -
caffe教程笔记《Blobs, Layers, and Nets》
Blobs: unified data, 抽象理解为caffe设计的标准格式的数据Layers: data process,抽象理解为数据的处理Nets: layer-by-layer schema,bottom-to-top.抽象理解为层之间的链接方式,由下至上原创 2017-02-14 17:42:21 · 557 阅读 · 0 评论 -
caffe教程笔记《Solver》
Solver可理解为模型舵手。因为它控制着模型的训练和测试阶段,并规定了学习的方法和学习的参数。原创 2017-02-15 18:08:32 · 400 阅读 · 0 评论 -
如何运行github上的代码-以caffe-reid为例
实际上,如果github上的Readme(操作手册)写得好的话,直接git(github常用的下载命令)下来,按照Readme的步骤,绝大多数是运行无忧的。另一方面,如果在使用代码时遇到问题,issue里是前人碰到的一些问题和对应的解决方案,查看issue也能发现答案。原创 2017-03-03 10:07:10 · 18080 阅读 · 0 评论 -
代码笔记:caffe-reid自己增加的caffe.proto
在caffe-reid的train.proto中,输入层是自己实现的。而且里面新增了参数项reid_data_param,因此,需要自caffe.proto文件中添加对应的数据结构,这样才能生成对应的接口来读取train.proto中的文件。同时,在 LayerParameter要新增相应的类型和变量。自定义的输入层中的reid_data_paramlayer { name: "data"原创 2017-03-16 22:35:58 · 1012 阅读 · 4 评论