- 博客(21)
- 资源 (3)
- 收藏
- 关注
RSS订阅转载 【py】安装ipython-notebook
分两步:安装ipython及其依赖包1sudo apt-get install ipython-notebook 安装可选的附加工具1sudo apt-get install python-matplotlib python-scipy
2015-07-30 10:52:03
620
转载 [原]有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决
[原]有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决2015-3-30阅读516 评论2之前使用caffe训练了1k个自己的数据,有3个分类,在consol下面训练加验证的结果是85%左右的准确率,还是可以的.但是问题是,当使用了Python接口,导入caffemodel文件和npy均值文件后,分类结果完全惨不忍睹,全部都偏向第一分类.经过不懈的goog
2015-07-28 16:37:14
884
转载 CNN之Caffe配置
最近跟师兄一起做一个东西，需要用到CNN，于是找到了Caffe，实验跑起来了，于是也应实验室的人要求写一份配置文档，还想叫我写Caffe的文档。。可是不懂写啊，而且Caffe也不是很复杂，自己看就好了。 Caffe是实现卷积神经网络算法的一个框架，主打速度，可以在CPU或者GPU上运行，而且可以随意切换，具体可以看官网。配置的教程也是按照官网给出的教程。一. 需要准备的
2015-07-28 15:56:59
472
转载 【caffe】用训练好的imagenet模型分类图像
因为毕设需要，我首先是用ffmpeg抽取某个宠物视频的关键帧，然后用caffe对这个关键帧中的物体进行分类。1.抽取关键帧的命令：E:\graduation design\FFMPEG\bin>ffmpeg -i .\3.mp4 -vf select='eq(pict_type\,I)',setpts='N/(25*TB)' .\%09d.jpg2.用python编写脚本，利用
2015-07-28 14:54:47
1966
转载 caffe源码简单解析——Blob（1）
使用caffe也有一段时间了，但更多是使用Python的接口，使用现有的ImageNet训练好的模型进行图片分类。为了更好的了解caffe这个框架，也为了提高自己的水平，在对卷积神经网络有了一些研究之后，终于开始研读caffe的源码了，今天看了Blob类的一些内容，做个总结。看过caffe官方文档的话，应该会知道，它可以分为三层：Blob、Layer、Net。Blob是一个四维的数组，用于存储
2015-07-23 14:12:32
978
转载 基于caffe的特征可视化
lian jie: http://www.shwley.com/index.php/archives/86/最近想看一看卷积神经网络中各层的卷积结果，但在网上搜索feature visualization并没能找到通俗易懂的内容。在caffe的官网教程中，有这么一个Instant Recognition with Caffe，参照它可以很快的做出可视化的结果。但感觉里面还是稍有些复
2015-07-23 14:09:50
1331
转载 caffe源码简单解析——Layer层
lian jie : http://www.shwley.com/index.php/archives/68/前言老实说，caffe中的layer层代码比较多，各种抽象看起来比较绕。官方关于Layer的教程写的很清楚，我根据这个文档，简单画了个图，再理解起来就方便了一些。layer.hpp和layer相关的头文件有：common_layers.hppdata_
2015-07-23 14:02:52
834
转载 Caffe源码导读（7）：LRN层的实现
LRN全称为Local Response Normalization，即局部响应归一化层，具体实现在CAFFE_ROOT/src/caffe/layers/lrn_layer.cpp和同一目录下lrn_layer.cu中。该层需要参数有：norm_region： 选择对相邻通道间归一化还是通道内空间区域归一化，默认为ACROSS_CHANNELS，即通道间归一化；local_s
2015-07-23 13:54:15
803
转载 Caffe代码导读（5）：对数据集进行Testing
上一篇介绍了如何准备数据集，做好准备之后我们先看怎样对训练好的模型进行Testing。先用手写体识别例子，MNIST是数据集（包括训练数据和测试数据），深度学习模型采用LeNet（具体介绍见http://yann.lecun.com/exdb/lenet/），由Yann LeCun教授提出。如果你编译好了Caffe，那么在CAFFE_ROOT下运行如下命令：
2015-07-23 13:53:18
753
转载 Caffe代码导读（4）：数据集准备
Caffe上面有两个比较简单的例子：MNIST和CIFAR-10，前者是用于手写数字识别的，后者用于小图片分类。这两个数据集可以在Caffe源码框架中用脚本（CAFFE_ROOT/data/mnist/get_mnist.sh和CAFFE_ROOT/data/cifar10/get_cifar10.sh）下载，如下图所示：[plain] view plaincopyprint?
2015-07-23 13:52:28
558
转载 Caffe代码导读（3）：LevelDB例程
Caffe自带例子Cifar10中使用leveldb存储输入数据，为此我们研究一下怎样使用它。安装步骤可以参考http://blog.csdn.net/kangqing2003/article/details/6658345Leveldb库提供了一种持续的键值对存储方式。键和值可以为任意字节数组。键存储顺序可由用户定义的比较函数决定。打开一个数据库Leveldb数据库有
2015-07-23 13:51:53
457
转载 Caffe代码导读（2）：LMDB简介
闪电般的内存映射型数据库管理（LMDB）简介LMDB是基于二叉树的数据库管理库，建模基于伯克利数据库的应用程序接口，但做了大幅精简。整个数据库都是内存映射型的，所有数据获取返回数据都是直接从映射的内存中返回，所以获取数据时没有malloc或memcpy发生。因此该数据库仍是非常简单的，因为它不需要自己的页面缓存层，并且非常高效、省内存。它在语义上完全符合ACID（原子性、一致性、隔离性、持
2015-07-23 13:51:30
597
转载 Caffe代码导读（1）：Protobuf例子
Protobuf是一种可以实现内存与外存交换的协议接口。这是由谷歌开发的开源工具，目前研究Caffe源码时用到。一个软件项目 = 数据结构 + 算法 + 参数，对于数据结构和算法我们都已经有较多研究，但不同开发者对参数管理却各有千秋。有人喜欢TXT格式化的参数文件，有人喜欢BIN简单高效，也有人喜欢图形化界面的直观。不一致的参数管理带来很多问题，例如一个项目组内不同成员必须约定一套统一的参数方
2015-07-23 13:49:42
596
转载 Caffe代码导读（0）：路线图
Caffe代码导读（0）：路线图【Caffe是什么？】Caffe是一个深度学习框架，以代码整洁、可读性强、运行速度快著称。代码地址为：https://github.com/BVLC/caffe【博客目的】从接触Caffe、编译运行、阅读代码、修改代码一路走来，学习到不少内容，包括深度学习理论，卷积神经网络算法实现，数学库MKL，计算机视觉库OpenCV，C++模板类使用，CUD
2015-07-23 13:48:58
437
转载 深度学习（卷积神经网络）一些问题总结
深度卷积网络 涉及问题：1.每个图如何卷积： （1）一个图如何变成几个？ （2）卷积核如何选择？2.节点之间如何连接？3.S2-C3如何进行分配？4.16-120全连接如何连接？5.最后output输出什么形式？①各个层解释： 我们先要明确一点：每个层有多个Feature Map，每个Feature Map通过一种卷积滤波器提取输入的一种
2015-07-23 11:24:52
1719
原创 caffe训练自己的数据
１。准备数据 参：学习笔记3 用自己的数据训练和测试-薛开宇２。调整图像大小到２５６×２５６３。生成leveldb 数据。将 create_imagenet.sh文件从imagenet文件夹中拷过去，修改路径。４。生成mean数据。将 make_imagenet_mean.sh 从imagenet文件夹中拷过去，修改路径。５。修改网络定义。将 imagenet_train.prot
2015-07-22 14:15:37
3765
转载 Caffe 深度学习框架上手教程
Caffe 深度学习框架上手教程发表于2015-01-23 09:08|13806次阅读| 来源suanfazu|16 条评论| 作者blink深度学习deep learningcaffeCNN摘要：Caffe是一个清晰而高效的深度学习框架，本文详细介绍了caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置，解读了Caffe实现的图像分类模型AlexNet，并
2015-07-22 13:51:43
744
转载 Deep Learning（深度学习）学习笔记整理
申明：本文非笔者原创，原文转载自：http://www.sigvc.org/bbs/thread-2187-1-3.html4.2、初级（浅层）特征表示 既然像素级的特征表示方法没有作用，那怎样的表示才有用呢？ 1995 年前后，Bruno Olshausen和 David Field 两位
2015-07-21 13:51:46
1066
转载 Karhunen-Loeve Transform (KLT) 原理及PCA应用
Karhunen-Loeve Transform（KLT）是一种数据变换与分析方式，常用于数据压缩和PCA降维。1. KLT是什么变换，KLT的目的是什么？KLT是对向量x做的一个正交变换y=Φx，目的是变换到y后去除数据相关性。PS：其中，Φ是x特征向量组成的矩阵，满足ΦTΦ=I，当x都是实数时，Φ是正交矩阵。
2015-07-19 02:53:39
928
原创 linux 图片处理 imagemagic
1. 一般图片处理需要安装 imagemagic：$ sudo apt-get install imagemagic2. linux批量修改图片大小： find /home/wanghl/绝对路径/ -name '*.jpg' -exec convert -resize 50%x50% {} {} \;检查系统有无安装ImageMagickshell> rpm -qa
2015-07-03 15:31:31
1079
转载 c++ 文件输入输出
C++文件流：fstream // 文件流ifstream // 输入文件流ofstream // 输出文件流文件操作：打开文件 文件名 注意路径名中的斜杠要双写，如： "D:\\MyFiles\\ReadMe.txt" 文件打开方式选项： ios::in = 0x01, //供读，文件不存在则创建
2015-07-01 09:31:56
526
yolov4-conv-137 和 yolov4-weights
2020-05-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人