DRACOYU的博客

在caffe模型实际落地时，局限于硬件的问题，有时候训练好的网络结构需要进行微调，最近碰到NT98528输出不支持的问题，需要临时将1*1 conv改fc，先改prototxt，对应改下类型名称即可：#caffe 卷积层layer { name: "fc_1" type: "Convolution" bottom: "pool5" top: "fc_1" param { lr_mult: 1 } param { lr_mult: 1 } convo

1，在代码中进行 import caffe 后报错ImportError:No module named _caffe因为我显卡之前出错了，重现编译了caffe ，后面导致如上问题，解决方法如下：cd caffe #进入caffe目录，可能你的是cd caffe-mastersudo make clean #清除原编译sudo make -j4 # make -j4或者make -j8 这根据你自己电脑来定sudo make pycaffe ...

caffe训练流程简介：1、预训练模型在caffe中，预训练模型在脚本中设置，有时候拿到的预训练模型跟改过的prototxt对应不上，预训练的模型根据你当前网络的layer_name进行匹配参数，不是像pytorch一样可以按照尺寸加载。例如加入预训练原始网络的第一个卷积层name是conv1，而你自己的第一个卷积层网络name是Convolution1，那么这个层在预网络中的参数就不会被匹配调用。在实际使用时，有些层修改以后，尺寸与预训练模型对应不上，对应的name需要修改，否..

修改layer nameimport caffeimport numpy as npcaffe.set_mode_cpu()net = caffe.Net('myprototxt.prototxt', 'mycaffemodel.caffemodel', caffe.TEST)netNew = caffe.Net('myprototxt2.prototxt', 'mycaffemodel2.caffemodel', caffe.TEST)for k, v in ne...

在这里插入代码片# 设定图片的shape格式为网络data层格式transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})# 改变维度的顺序，由原始图片维度(width, height, channel)变为(channel, width, height)transformer.set_transpose('data', (2,0,1)) # 减去均值,注意要先将binaryproto格式均值文件转换为np