flowrush的博客

我是配置digits时候，按照github步骤导致cuda出了问题。错误如下：解决办法这种问题出现在cudn驱动的问题导致的，使得与显卡版本不匹配，这时候需要更新显卡驱动，重新解决一下。寻找合适的驱动版本$ ubuntu-drivers devices1 如上图，显示GTX 960M显卡建议的驱动版本是390c.安装nvidia driver$ sudo apt-get install nvidi...

solver.prototxt文件et: "models/bvlc_reference_caffenet/train_val.prototxt" test_iter: 100 test_interval: 1000 base_lr: 0.01 lr_policy: "step" gamma: 0.1 stepsize: 100000 display: 20 max_...

以Alexnet为例 原始的Alexnet是这个样子的（页面问题只可视化部分好了）： 相应的协议文件中的部分：layer { name: "conv3" type: "Convolution" bottom: "pool2" top: "conv3" param { lr_mult: 1 decay_mult: 1 } param { lr_...

参考博客：https://blog.csdn.net/CAU_Ayao/article/details/80578600并对部分错误修改1.    配置Anaconda31.1.  下载安装包官网下载地址：https://www.anaconda.com/download/#linux1.2.  安装下载完之后是后缀.sh文件在终端输入：bash Anaconda3...

1.首先下载官方BVLC版本的caffe ，https://github.com/BVLC/caffe/tree/windows2.CMAKE。需要3.4版本以上，我用的是3.9.6    下载地址：https://cmake.org/files/v3.9/cmake-3.9.6-win64-x64.msi3.Anaconda。目前官方的版本是Anaconda 3.6和2.7，就是说内...

digits是caffe的一个可视化工具，可使我们对caffe的操作变得方便容易。1).获取digits安装包DIGITS_ROOT=~/digitsgit clone https://github.com/NVIDIA/DIGITS.git $DIGITS_ROOT2).安装digits及依赖项 cd digits sudo apt-get install graphvi...

使用pip遇到错误ImportError: No module named packaging.version的解决方法本人Python默认是2.7，然而pip指定路径是python3.6由于需要用到pip，所以在Ubuntu上安装了一个，由于Python是2.7版本的，所以装的并不是pip3。附pip安装命令：sudo apt-get install python-pip...

 两个错误1.Cannot create Cublas handle. Cublas won't be available.Setting up scale2.ERROR: Check failed: status == CUDNN_STATUS_SUCCESS (4 vs. 0) CUDNN_STATUS_INTERNAL_ERROR网上查找原因是显卡驱动过高导致。n...

test_iter: 1000 //测试的批次，一次性执行全部数据，效率较低，因此分几个批次进行执行， //如果每个批次数量设为batch_size,则有以下关系：test_iter = 测试样本总数/batch_size test_interval: 1000 //测试间隔，即每训练1000次，...

编辑此文件，写入如下代码，并保存#!/usr/bin/env shDATA=data/re/MY=examples/myfileecho "Create train.txt..."rm -rf $MY/train.txtfor i in 3 4 5 6 7 dofind $DATA/train -name $i*.jpg | cut -d '/' -f4-5 | sed "s/$/...

引言：在caffe提供的例程当中，例如mnist与cifar10中，数据集的准备均是通过调用代码自己完成的，而对于ImageNet1000类的数据库，对于个人而言，常常面临电脑内存不足的尴尬境地。而对于应用者而言，用适合于自己条件的的数据集在caffe下训练及测试才是更重要的。所以我们有必要用自己做数据库在caffe上训练和测试。 目的：使用自己的数据集，使用caffe自带的ImageNet网络结...

感谢作者：http://www.cnblogs.com/denny402/p/5137534.html，由于文章比较久，我在实现过程中碰到了一些问题，现在写出来分享一下。caffe团队用imagenet图片进行训练，迭代30多万次，训练出来一个model。这个model将图片分为1000类，应该是目前为止最好的图片分类model了。假设我现在有一些自己的图片想进行分类，但样本量太小，可能只有几百张...

 caffe在训练的时候，需要一些参数设置，我们一般将这些参数设置在一个叫solver.prototxt的文件里面，如下：base_lr: 0.001display: 782gamma: 0.1lr_policy: “step”max_iter: 78200momentum: 0.9snapshot: 7820snapshot_prefix: “snapshot”solver_mo...

caffe是C++语言写的，可能很多人不太熟悉，因此想用更简单的脚本语言来实现。caffe提供matlab接口和python接口，这两种语言就非常简单，而且非常容易进行可视化，使得学习更加快速，理解更加深入。半年前，我在学习CAFFE的时候，为了加深理解，因此写下了随笔，有了一系列的caffe学习文章。半年过去，很多人问到关于python接口和可视化的一些问题，现在有点空闲时间，就再次写下一些随笔...

原文：https://blog.csdn.net/jingkebiao4847/article/details/53925652 首页博客学院下载GitChatTinyMind论坛问答商城VIP活动招聘ITeyeCSTO ...

Caffe学习系列(2)：数据层及参数要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Data,Convolution,Pooling等，层之间的数据...

原文：https://blog.csdn.net/hellohaibo/article/details/77761880Caffe实战Day1-准备训练数据 1、准备数据集这一步就是想方设法搞来训练数据，可以是图像，可以是语音文件、视频等等。ok，现在假设你找到了所需的数据集（本教程就以图片为例），数据集需要进行预处理，这部分工作量比较大，需要将庞大的数据集人工分类好...

深度学习文章2：使用MNIST数据集验证Caffe是否安装成功 使用MNIST数据集验证Caffe是否安装成功本文延续上篇博文《Caffe安装教程：Ubuntu16.04（CPU） 》，对搭建好的caffe使用MNIST数据集进行测试，可以更好的验证Caffe。1.下载数据cd ~/caffe/./data/mnist/get...