- 博客(13)
- 收藏
- 关注
RSS订阅原创 windows底下尝试通过caffe复现yolov3(1)
在安装好caffe后进行caffe复现yolov3时遇到的问题解决方案，跑代码来自https://github.com/ChenYingpeng/caffe-yolov3将代码中的所有文件添加进VS源代码对应位置中，在运行过程中遇到的问题，但是该方案无法实现进行YOLO转换，仅仅能够实现调用caffe的C++接口，因为caffe中不存在YOLO层，笔者考虑将上述网页中的YOLO层添加进caff...
2020-01-12 20:52:05
442
3
原创 caffe学习笔记6--多labelHDF5制作
要想使用HDF5数据源需要在layer.prototxt中引入一个layerlayer{name:“data”type:“HDF5Data”top:datatop:labelhdf5_data_param{source:“trainlist.txt”#通过Python制作得到的list文件，里面的内容为数据集的路径batch_size:10}}hdf5.txt文件内容:多...
2018-10-20 22:14:19
419
3
原创 caffe学习笔记5-制作LMDB数据
caffe提供了相关的脚本，我们只需要打开对里面的某些某块进行编写就可以了打开.sh文件进行配置首先是EXAMPLES和DATA两个选项，一般情况下我们制作项目都是新建一个文件夹，然后将相关的layer层和solver配置文件都放到这个文件夹下，那么这时候对应的这两个选项就是填入这个文件夹了TOOLS，caffe的文件夹中的/caffe/build/tools，那么我们只需要填写前面的绝对路...
2018-10-18 22:32:21
267
原创 caffe学习笔记4--solver超参数配置
net:prototxt#所写的net文件所在的位置type:SGD#caffe中对于非凸函数的求解的优化。caffe中给出了六种优化算法,分别为Stochastic Gradient Descent(type:“SGD”)随机梯度下降AdaDelta(type:“AdaDelta”)Adaptive(type:“AdaGrad”)Nesterov’s Accelerated Grad...
2018-10-17 23:07:09
229
原创 caffe学习笔记3--softmax，reshape层,dropout层的编写
softmax层可以输出loss函数或者计算此时的准确率情况对于loss的计算通过上面的函数来实现一个归一化的操作，那么此时函数得到的结果就范围就是咋(0-1)之间，得出概率值layer{name:“loss”type:“SoftmaxWithLoss”bottom:“ip1”bottom:“label”top:“loss”}输出problayer{name:“prob”...
2018-10-17 20:00:10
809
原创 caffe学习笔记2--卷积层和池化层、激活函数、全连接层的编写
layer{name:“conv1”type:“Convolution”top:“conv1”bottom:“data”#跟数据层的输出相对应，表示输入的数值的属性，因为在数据层中输出的是data属性，卷积层连接的是数据层，故是dataparam{lr_mult:1#对权重参数的定义，W，最终的学习率是solver.prototxt中的base_lr乘以W}param{lr_mu...
2018-10-16 23:19:16
901
原创 caffe框架学习笔记1--数据层的编写
数据层是需要第一层用来给模型提供数据的层layer{name:“DATA”#这一层的名字命名为_DATA_层type:“Data”#表明这一层的属性是数据top:“data” #bottom 表示输入，top表示输出，在数据层中并没有输入层，只有输出层，输出层为x和y，即一 个是输入的数据，另外一个是我们所给定的这个数据的标签top:“label”include {phase...
2018-10-15 23:30:34
227
原创 pandas学习笔记1--对数据的读取
pandas是Python中用来对数据进行处理的一个模块pandas.read_csv()用来读入csv文件foof_csv=pandas.read_csv(文件名)此时通过type(food_csv)可以得到这是一个DataFrame的结构print(food_csv.dtype)可以看到这里面包含着很多不同的属性的数据字符型描述为objecthead()显示csv文件中的...
2018-10-15 21:22:22
343
原创 Python nump学习笔记4
numpy中同时还有提供数学方法来进行对矩阵运算如matrix = numpy.arrange(3)A=numpy.exp(matrix)那么此时就是对matrix求e的多少次幂运算得到如下结果ravel函数可以实现将矩阵变成一个一维向量例如，将一个二维矩阵通过ravel函数转换成一个一维向量floor函数这个函数可以实现将矩阵中的float型实现向下取整功能numpy中...
2018-10-14 23:30:38
319
原创 Python nump学习笔记3
reshape是numpy中的一个关键使用，通过reshape可以实现将array属性转换比如vector=numpy.arange(9)此时vector中存放的数据类型应该为一维向量[0,1,2,3,4,5,6,7,8]matrix=vector.reshape(3,3)第一个3表示3行，第二个3表示三列那么此时就可以将一维向量转换成为矩阵类型print(matrix)arra...
2018-10-13 23:28:37
569
原创 Python numpy学习笔记2
numpy中的判断如vector=numpy.array([5,10,15,20])vector==10那么这时候输出出来的就会是array([false true false false],dtype=bool)这个判断对于矩阵也适用，对于每个元素进行判断并且返回值equil_ten=(vector10)那么此时equil_ten变量中所储存的值就是[10]他会把True的值给返回...
2018-10-13 22:06:32
147
原创 Python numpy学习笔记1
print(help(函数))可以查看官方中对函数的详细介绍numpy.array([])是numpy中的array结构是numpy中最重要的结构如vector=numpy.array([5,10,15,20])，vector即为一个向量二维格式矩阵的创建matrix=numpy.array([[5,10,15],[20,25,30],[35,40,45]])matrix就是一个三行...
2018-10-13 16:38:02
268
原创 基于arm架构上ubuntu系统的TensorFlow(cpu)配置遇到的问题
在深度学习上探索的第一天，就被ubuntu上配置TensorFlow这一难题按在地板上使劲摩擦。笔者使用的是妙算，在妙算搭载的ubuntu下进行开发，本来想的是在妙算上寻找TensorFlow(gpu)无奈无法找到试用于armv7l架构的cuda8.0版本，只好万般无奈安装了CPU版本，但也并非一帆风顺，下面介绍一下今天所遇到的两个问题 笔者使用的是Python2.7.6，TensorFlow下...
2018-08-05 01:47:22
835
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人