caffe
wonengguwozai
欢迎爱技术的同行交流
展开
-
caffe的Matlab接口问题之路径问题
在运行功能为MATLAB生产mat格式数据的文件中,运行时提示:Undefined variable ‘caffe’or class “caffe.reset_all”(其中这个reset_all是一个函数),两个解决方案:1) 可能matcaffe接口编译没有成功或者是有问题:对此,进行了matcaffe接口测试,可以正常,但是相应的在caffe-master下bulid(所有编原创 2016-06-05 21:35:17 · 7959 阅读 · 1 评论 -
在新版本caffe里添加新的一层(向旧格式中加)
1、首先写好你添加层的cpp和cu文件,另外在cpp文件的最后写上REGISTER_LAYER_CLASS(LAYERTYPENAME);其中LAYERTYPENAME是你定义的layer的类名,如MyInputLayer,那么就是REGISTER_LAYER_CLASS(MyInput);,注意不是MyInputLayer。2、然后在相关的头文件里添加层类的声明3、在proto文原创 2017-01-11 09:04:54 · 1917 阅读 · 2 评论 -
在新版本caffe里添加新的一层(向新格式中加)
我前几天层写过一篇关于向新版本的caffe中添加新层的博客,那篇我已经标注了是在caffe的pb文件中使用v1LayerParameter的旧格式基础上进行的修改,我通过那篇博文的方法将新版本caffe中的euclidance loss (均方误差层)修改为patchloss层,并编译通过。而这片博文记录下:我通过仿照segmentation-caffe中unpooling添加层的方式对caffe原创 2017-01-18 17:16:56 · 1070 阅读 · 0 评论 -
caffe 实验中输入数据和label都是图片时,训练或测试数据列表train.txt生成方法(linux指令总结)
操作前提,噪声数据存储在traub_noise文件夹下,清洁数据存储在train_clear文件夹下,首先将文件名输出到相应的txt文件里,要input 和label对应,所以将两者都排序,再归并.涉及到的主要linux操作如下.1\将文件内容基于行排序输出(-n,-r 是删除重复的行)sort -n -r train_clear.txt -o train_clear1.t原创 2016-12-13 11:24:55 · 2212 阅读 · 0 评论 -
caffe 分类任务中训练与测试网络命令格式
1、训练网络是的指令(该命令为迁移已有的Alexnet权重,如若从头训练则可将--weight字段去掉即可)TOOLS=./build/tools $TOOLS/caffe tra原创 2017-06-10 10:38:20 · 847 阅读 · 0 评论 -
使用pycaffe生成train.prototxt、test.prototxt文件
caffe 中prototxt书写了模型结构,之前一直是通过手动编写该文件进行网络结构搭建,其实有另一种基于代码生成的方式--使用pycaffe接口生成,下面主要介绍:原文:http://blog.csdn.net/c406495762 Python版本: Python2.7 运行平台: Ubuntu14.04一、前言 了解到上一篇笔记的内容,就可以尝试自己编转载 2017-07-24 10:14:10 · 1000 阅读 · 0 评论 -
使用pycaffe生成solver.prototxt文件并进行训练
原文地址:http://blog.csdn.net/c406495762 Python版本: Python2.7 运行平台: Ubuntu14.04 上几篇笔记记录了如何将图片数据转换成db(leveldb/lmdb)文件,计算图片数据的均值,train.prototxt和test.prototxt文件的编写。本篇笔记主要记录如何生成sovler文件,solver文件是训练的转载 2017-07-24 10:16:51 · 377 阅读 · 0 评论 -
caffe :from snapshop resume training
执行方法:原文地址:https://yunmingzhang.wordpress.com/2015/02/04/caffe-notes-using-snap-shot-in-convolutional-neural-network-training/This is a post summarizing how to resume training on caffe using snapshots....转载 2018-04-25 10:52:23 · 264 阅读 · 0 评论 -
caffe 模型转换(不同深度学习框架互转)
本人使用的是微软的MMdnn工具,具体使用方法见其GitHub工程,这里说明下在转换过程中的问题:1、由caffe转mxnet时,在卷积层和FC层之间,mmconvert转换工具会自动增加一个Flatten层,用于对接卷积层和FC层。这将导致转换后的FC层与caffe定义的FC层的名字不同(如caffe中FC层名为fc1,则转换后flatten层的名字为fc1_0,FC层名字为fc1_1,即自...原创 2018-04-27 20:37:56 · 3026 阅读 · 0 评论 -
caffe中通过prototxt将输入通道为RGB转为BGR
缘由:在mxnet下训练的模型,通过转换器转到caffe下进行inference,由于mxnet在训练和测试是直接加载的图像的RGB形式,而caffe调用opencv的缘故在读取图像时是通过BGR形式读取的,所以需要进行通道转换。下面方法是直接通过添加prototxt层的形式进行转换。 layer {name: "convert_slice" type: "Slice"...原创 2018-07-31 10:48:55 · 2989 阅读 · 0 评论 -
caffe + nccl 实现多卡训练
安装环境:ubuntu1604CUDA Version 9.064位操作系统下载路径:按照官网提示下载相应版本:(v2.13)nccl-repo-ubuntu1604-2.2.13-ga-cuda9.0_1-1_amd64.deb#注:v1版本的nccl的下载地址在GitHub上(支持多卡,不支持多机),v2版本的在官网上进行(支持多机多卡)安装步骤(参照官网):1、...原创 2018-08-07 17:54:08 · 1979 阅读 · 2 评论 -
可视化输出caffe模型权重(weights)和偏执(baise)
人脸识别任务中,做蒸馏训练小网络时,发现测试蒸馏后的网络的千分点frr、万分点frr都是0,说明对于所有输入,网络的输出相同了。因此需要可视化caffemodel的权重确认是否模型失效(推测模型权重接近0)。 需要明确的:Caffe主要处理两种形式的数据流: 1. 第一种数据流,图像和标签在网络上的传输,随着网络的传输,它们转化更高层次的表示,最终以得分或者概率值的形式输出。 2. 第二...原创 2017-01-12 11:00:10 · 2995 阅读 · 0 评论 -
CNN-卷积反卷积
《Visualizing and understanding convolutional networks》这篇论文的解读,使用反卷积的网络结构和相应的github开源实现如下。链接:https://zhuanlan.zhihu.com/p/22293817在前面的斗图篇我们提过这篇文章《Visualizing and understanding convo转载 2017-01-11 22:50:49 · 2120 阅读 · 0 评论 -
matlab中求均值的mean()函数的使用
matlab中mean函数原创 2016-06-08 10:17:05 · 160374 阅读 · 0 评论 -
在MATLAB下调试Caffe
摘要: Caffe本身是C++、CUDA语言编写的。在调试模型、参数时,根据运行log、snapshot很难实时反馈当前训练的权值情况,也难以捕捉算法存在的bug。MATLAB则是非常适合算法设计、快速迭代的利器,只需要做少量工作就能编写出复杂的算法,调试非常方便,位于workspace中的变量随时...Caffe本身是C++、CUDA语言编写的。在调试模型、参数时,根据运行log、s转载 2016-06-08 10:42:56 · 1021 阅读 · 0 评论 -
caffe入门和深入的非常好的博客--
http://blog.csdn.net/langb2014/article/details/50458520原创 2016-12-02 12:10:41 · 744 阅读 · 0 评论 -
caffe示例实现之微调CaffeNet用于Flickr Style数据集上的风格识别
目录(?)[+]微调是基于已经学习好的模型的,通过修改结构,从已学习好的模型权重中继续训练。下面就在另一个数据集Flickr Style上面微调CaffeNet模型,来预测图像风格,而不再是目标类别。1.说明Flickr Style图像数据集在视觉上和训练了bvlc_reference_caffenet的ImageNet数据集很像,由于这个模型在目标分类上用转载 2016-11-21 13:49:05 · 1464 阅读 · 1 评论 -
自己跑caffe 反卷积实验(图像去噪)总结
1、在复原韩国Hyeonwoo Noh 的Learning Deconvolution Network for Semantic Segmentation的实验过程中,运行训练网络的指令是报错:...error :out of memory 作者的服务器配置为 Nvidia GTX Titan X GPU with 12G memory,我的服务器配置为GeForce GTX 980 wi原创 2016-12-12 23:09:26 · 5221 阅读 · 6 评论 -
在 Caffe 中如何计算卷积后的特征图尺寸
在 Caffe 中如何计算卷积卷积看成是多个局部的全连接。卷积后长宽计算(方形):outputh=imageh+pad−kernelhstride+1上述公式错误,感谢朝朝与暮暮指出错误正确公式为: outputw=⌊imagew+2pad−kernelsizestride⌋+1outputh=⌊imageh+2pad−kernelsizestride⌋+1其中stride大于等于1一般来说下式应...转载 2017-01-05 18:44:38 · 9364 阅读 · 0 评论 -
caffe 提取特征并可视化(已测试可执行)及在线可视化
网络结构在线可视化工具各深度学习框架可视化工具:(适用绝大多数框架)工具地址:https://github.com/lutzroeder/Netroncaffe可视化:工具1:http://ethereon.github.io/netscope/#/editor 工具2:https://dgschwend.github.io/netscope/#/editor参考...转载 2016-12-31 11:21:45 · 835 阅读 · 1 评论 -
解决Ubuntu下安装eclipse后工具栏消失问题
由于编程需要,决定在Ubuntu10.01下安装eclipse,但安装完(直接用命令:sudo apt-get install eclipse 即可)后在Ubuntu的软件中心即可打开,但是找了一上午也没找到eclipse的菜单栏,尝试了卸载重装也不行。最后在网上找了一个解决方面还是很实用:http://blog.csdn.net/yefengzhichen/article/detai原创 2017-01-14 16:34:56 · 1836 阅读 · 0 评论 -
caffe python接口: 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度
部分参考:http://blog.csdn.net/tangwenbo124/article/details/52725263说明:数据集是上海BOT大赛的(12种动物),网上下载的vgg16权重文件,并且修改输出类别为12,对最后三层全连接网络训练了8个小时,top1准确率为80%,top5准确率95%使用的测试图片是一个长颈鹿,类别编号是8,结果如下:预测源码#codin...转载 2016-12-06 11:38:33 · 3701 阅读 · 0 评论