caffe
HowHardYouAre
这个作者很懒,什么都没留下…
展开
-
caffe-特征提取
caffe提供的使用工具build/tools/extract_features.bin实现了特征提取功能,该程序需要一个训练好的网络和一个数据输入层,运行后可得到相应数据通过网络某个中间层产生的特征图并保存到磁盘。 用法如下: $ extract_features \ //可执行的程序 pretrained_net_param \ //预训练网络.caffemodel featu原创 2017-04-11 20:50:32 · 2477 阅读 · 0 评论 -
caffe学习:绘制网络模型
在确保caffe的Python接口编译正确的情况下 1 安装GraphViz sudo apt-get install GraphViz 2 安装pydot sudo pip install pydot 安装好后就可以调用caffe中Python文件夹下的draw_net.py脚本画图了 比如绘制caffe自带的LeNet网络模型 在caffe文件夹下输入: sudo pyth原创 2017-08-17 20:57:00 · 314 阅读 · 0 评论 -
caffe-图片转为lmdb数据集
介绍: 1. 该数据集由26个字母组成,不区分大小写 2. 图片分为两类:训练和测试,其中训练2047张图片,测试836张图片 3. 两类图片分为两个文件价:trainImg testImg 4. 每个文件夹下由26个子文件夹,分别存放26个字母的图片 如图所示: 制作数据标签: MATLAB代码如下: clc clear all; file_path='/home/×原创 2017-08-21 20:09:10 · 740 阅读 · 0 评论 -
caffe学习 绘制loss和accuracy
本文在LeNet5结构的基础上通过不断调整学习速率和权衰量来训练自己的汉字数据集 caffe的Python接口安装成功后,安装jupyter: sudo pip install jupyter 安装成功后,运行。运行命令: jupyter notebook 运行后会在网页中出现如下界面: 点击页面右上角下的New--Python 2 输入如下代码: import num原创 2017-08-19 16:38:44 · 590 阅读 · 0 评论 -
利用训练好的网络参数模型批量对文字分类(caffe)
前提:将caffe的Python接口编译正确 import os import caffe import numpy as np root='/home/lrj/Caffe/caffe-master/' #根目录 deploy=root + 'examples/myMnist/lenet.prototxt' #deploy文件 caffe_model=root +原创 2017-10-13 09:28:40 · 630 阅读 · 0 评论