Caffe
文章平均质量分 54
非文艺小燕儿_Vivien
人工智能算法研究学习中,期待大家一起分享交流学习,一起进步。
e-mail:vivienfu@163.com
QQ:1002069759
展开
-
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,层之间的数据流动是以Blobs的方式进行。转载 2017-03-14 15:26:20 · 492 阅读 · 0 评论 -
windows下python配置caffe接口
配置电脑情况:windows7 64位,无GPU,anaconda2, python2.7, VS 2013之前已经成功安装并配置了VS2013+caffe,在此基础上想用python import caffe。之前的配置过程请参照:【caffe-Windows7】caffe+VS2013+Windows7无GPU配置教程现在开始介绍解决python中import ca原创 2017-04-28 11:32:32 · 10316 阅读 · 2 评论 -
Caffe学习:使用pycaffe读取caffemodel参数
本文转jiarenyf的 Caffe学习:使用pycaffe读取caffemodel参数#!/usr/bin/env python# 引入“咖啡”import caffeimport numpy as np# 使输出的参数完全显示# 若没有这一句,因为参数太多,中间会以省略号“……”的形式代替np.set_printoptions(threshold='nan')转载 2017-04-28 11:57:09 · 1419 阅读 · 0 评论 -
用python提取caffemodel网络参数并保存为二进制文件.bat
本篇主要参考了jiarenyf的 Caffe学习:使用pycaffe读取caffemodel参数但他博客中的只将数据写入了txt,由于自己工程需要使用.bat格式各层的网络参数,因此对其做了一些追加。输入deploy和预先训练好的caffemodel。输出:每层一个dat文件存放该层的网络参数。由于不通工程需求不同,因此下面的代码还需要针对你需要的数据排列方式进原创 2017-04-28 17:21:12 · 3288 阅读 · 0 评论 -
Caffe:如何将图片数据转换成lmdb文件
本文转自:http://www.cnblogs.com/gongdiwudu/p/6367433.html1 图片信息的转换 在caffe中经常使用的数据类型是lmdb或leveldb;不是常见的jpg,jpeg,png,tif等格式;因此,需要进行格式转换,通过输入你自己的图片目录(下有的大量图片)转换成一个lmdb库文件输出;这个过程一般由caffe工具convert_ima转载 2017-04-20 18:32:21 · 2500 阅读 · 0 评论 -
caffe 追加新层new layer添加.cu文件问题--无法解析的外部符号
caffe 追加新层后,生成时出现链接错误,无法解析的外部符号,错误内容与新层有关。caffe-windows\Build\Int\libcaffe\x64\Release文件夹下没有 your_new_layer.cu.obj生成,但是有conv_layer.cu.obj等文件。caffe工程中,libcaffe的include-》layers情况如图所示搜索原创 2017-05-15 18:19:41 · 2942 阅读 · 0 评论 -
caffe架构分析
本文摘自知乎深度学习caffe的代码怎么读?的回复。个人感觉各位大神讲述各有重点和特色,摘录供以后细细品味。感谢大家的互联共享。1. 形象概述作者:米八链接:https://www.zhihu.com/question/27982282/answer/55260722来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。原创 2017-05-16 15:15:08 · 1183 阅读 · 0 评论 -
caffe源码详解1
本文转自Caffe Source Code Analysis,感谢大神ldy详尽的解析,现在还看得模模糊糊似懂非懂,摘录至此,供日后慢慢研究。Ldy's BlogCaffe Source Code Analysis Posted on 2016-10-09Caffe简介Caffe作为一个优秀的深度学习框架网转载 2017-05-16 17:03:19 · 1361 阅读 · 0 评论 -
caffe源码详解3
本文转自Caffe代码解析(4)作者对于代码的解析非常细致,对于初学者有很大参考价值,值得仔细钻研。在上文对Command Line Interfaces进行了简单的介绍之后,本文将对caffe的Solver相关的代码进行分析。本文将主要分为四部分的内容:Solver的初始化(Register宏和构造函数)SIGINT和SIG转载 2017-05-16 18:47:26 · 613 阅读 · 0 评论 -
caffe源码详解2
本文转自Caffe代码解析(3)作者对于代码的解析非常细致,对于初学者有很大参考价值,值得仔细钻研。本文将从一个比较宏观的层面上去了解caffe怎么去完成一些初始化的工作和使用Solver的接口函数,本文将主要分为四部分的内容:Google Flags的使用Register Brew Function的宏的定义和使用train()函数的具体实现SolverParam转载 2017-05-16 18:44:36 · 685 阅读 · 1 评论 -
Center Loss层
雷锋网按:本文作者祝浩(皮搋子狐狸),3M Cogent Beijing R&D 高级算法工程师。本硕分别毕业于哈尔滨工业大学机械专业和北京师范大学计算机专业,并于2012年加入3M。14年拿到NICTA Scholarship及top-up Scholarship。熟悉计算机视觉,神经影像和医学图像处理。在各种相关国际会议期刊上发表论文10余篇。摘要在大家吐槽用softmax训练转载 2017-06-07 19:54:57 · 3780 阅读 · 0 评论 -
fatal error: pyconfig.h: No such file or directory找不到pyconfig.h文件---解决对策
caffe配置python和matlab接口是,出现fatal error: pyconfig.h: No such file or directory找不到pyconfig.h文件的错误。出错的文件为wrap_python.hpp。1.首先确认caffe工程的CommonSettings.props中Python路径是否正确。正确设定的情况下,在wrap_python.hpp中,鼠标放在#原创 2017-07-10 18:40:09 · 23835 阅读 · 1 评论 -
matlab和caffe中RGB图像存储顺序
MATLAB中RGB图像是存储在H*W*CH的三维矩阵中,其中H表示hight(即rows),W表示width(即cols),CH即channel。caffe使用的图像是BGR格式,且矩阵维度为W*H*CH。因此matlab读取的图像要经过以下处理再送入caffe网络。 Img = permute(Img, [2,1,3]);%flip width and hei原创 2017-07-11 16:33:01 · 6576 阅读 · 0 评论 -
人脸检测和对齐--MTCNN训练1--P-net
采用数据集:人脸检测和人脸框回归:WIDER_FACE特征点标定:Celeba(P-net未使用)P-net:P-net的任务是人脸检测和人脸框回归,所以该阶段仅需要使用WIDER FACE数据集。(1)取候选窗,生成训练图片下载的原始数据集并不能直接用于训练,而是在原始图像上截取候选框图像。随机截取候选框,根据IoU计算候选框所属类别,并将其resize到12*1原创 2017-06-23 10:29:23 · 9860 阅读 · 1 评论 -
CNN训练Cifar-10技巧
关于数据集 Cifar-10是由Hinton的两个大弟子Alex Krizhevsky、Ilya Sutskever收集的一个用于普适物体识别的数据集。Cifar是加拿大政府牵头投资的一个先进科学项目研究所。说白了,就是看你穷的没钱搞研究,就施舍给你。Hinton、Bengio和他的学生在2004年拿到了Cifar投资的少量资金,建立了神经计算和自适应感知项目。这个转载 2017-03-17 11:23:34 · 1914 阅读 · 0 评论 -
Caffe-Miscoroft无训练日志解决方法
本文转自http://blog.csdn.net/sunshine_in_moon/article/details/53529028,并修改了其中一丁点儿问题。非常感谢博主的分享,跟着博主的攻略一步步做下来,完全实现,没有问题。Caffe的训练日志就是我们在命令窗口中看到的训练时打印出来的信息,我们可以利用这些信息画训练时lossaccruacy图,至于怎么利用这些信息画出这两转载 2017-03-16 10:55:36 · 2252 阅读 · 4 评论 -
Caffe-Windows下画loss与accuracy曲线
本文转自http://blog.csdn.net/sunshine_in_moon/article/details/53541573,并修改了其中一丁点儿问题。非常感谢博主的分享,跟着博主的攻略一步步做下来,完全实现,没有问题。本篇博客主要讲述怎样在Windows下利用Caffe提供的脚本程序和Caffe训练日志画loss曲线与accuracy曲线。如果你是在Linux下使用Caf转载 2017-03-16 11:00:40 · 3649 阅读 · 3 评论 -
caffe学习系列(3):视觉层(Vision Layers)及参数
所有的层都具有的参数,如name, type, bottom, top和transform_param请参看我的前一篇文章:Caffe学习系列(2):数据层及参数本文只讲解视觉层(Vision Layers)的参数,视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。1、Convolutio转载 2017-03-14 15:36:16 · 816 阅读 · 0 评论 -
Caffe学习系列(4):激活层(Activiation Layers)及参数
在激活层中,对输入数据进行激活操作(实际上就是一种函数变换),是逐元素进行运算的。从bottom得到一个blob数据输入,运算后,从top输入一个blob数据。在运算过程中,没有改变数据的大小,即输入和输出的数据大小是相等的。输入:n*c*h*w输出:n*c*h*w常用的激活函数有sigmoid, tanh,relu等,下面分别介绍。1、Sigmoid对每个转载 2017-03-14 15:40:21 · 654 阅读 · 0 评论 -
Caffe学习系列(5):其它常用层及参数
本文讲解一些其它的常用层,包括:softmax_loss层,Inner Product层,accuracy层,reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器,计算的是类别的概率(Likelihood),是Logistic Regression 的一种推广。Lo转载 2017-03-14 15:42:01 · 427 阅读 · 0 评论 -
【caffe-Windows】cifar实例编译之model的生成
版权声明:欢迎大家一起交流,有错误谢谢指正~~~多句嘴,CSDN会在每一行代码后面加两个空格,复制博客代码时请手动去掉,尤其是bat里面的代码目录(?)[+][plain] view plain copy print?参考:http://blog.csdn.net/chengzhongxuyou/article转载 2017-03-14 14:19:43 · 736 阅读 · 0 评论 -
Caffe学习系列(6):Blob,Layer and Net以及对应配置文件的编写
深度网络(net)是一个组合模型,它由许多相互连接的层(layers)组合而成。Caffe就是组建深度网络的这样一种工具,它按照一定的策略,一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs,从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组,一种统一的内存接口,它详细描述了信息是如何存储的,以及如何在层之间通讯的。1、blobBlobs封装了运行时的数转载 2017-03-14 17:09:03 · 460 阅读 · 0 评论 -
Caffe学习系列(7):solver及其配置
solver算是caffe的核心的核心,它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为# caffe train --solver=*_slover.prototxt在Deep Learning中,往往loss function是非凸的,没有解析解,我们需要通过优化方法来求解。solver的主要作用就是交替调用前向(forwar转载 2017-03-14 17:21:02 · 544 阅读 · 0 评论 -
Caffe学习系列(8):solver优化方法
上文提到,到目前为止,caffe总共提供了六种优化方法:Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (type: "Adam"),Nesterov’s Accelerated Gradient (type: "Ne转载 2017-03-14 17:28:26 · 706 阅读 · 0 评论 -
Caffe学习系列(9):运行caffe自带的两个简单例子
为了程序的简洁,在caffe中是不带练习数据的,因此需要自己去下载。但在caffe根目录下的data文件夹里,作者已经为我们编写好了下载数据的脚本文件,我们只需要联网,运行这些脚本文件就行了。注意:在caffe中运行所有程序,都必须在根目录下进行,否则会出错1、mnist实例mnist是一个手写数字库,由DL大牛Yan LeCun进行维护。mnist最初用于支票上的手写数字转载 2017-03-14 17:41:08 · 528 阅读 · 0 评论 -
Caffe学习系列(10):命令行解析
caffe的运行提供三种接口:c++接口(命令行)、python接口和matlab接口。本文先对命令行进行解析,后续会依次介绍其它两个接口。caffe的c++主程序(caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件,如:convert_imageset.cpp, train_net.cpp, test_net.cpp等也放在这个文件夹内。经过编译后,这些文转载 2017-03-14 17:42:13 · 347 阅读 · 0 评论 -
Caffe学习系列(11):图像数据转换成db(leveldb/lmdb)文件
在深度学习的实际应用中,我们经常用到的原始数据是图片文件,如jpg,jpeg,png,tif等格式的,而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb,因此就产生了这样的一个问题:如何从原始图片文件转换成caffe中能够运行的db(leveldb/lmdb)文件?在caffe中,作者为我们提供了这样一个文件:convert_imageset.c转载 2017-03-14 17:48:23 · 350 阅读 · 0 评论 -
Caffe学习系列(12):训练和测试自己的图片
学习caffe的目的,不是简单的做几个练习,最终还是要用到自己的实际项目或科研中。因此,本文介绍一下,从自己的原始图片到lmdb数据,再到训练和测试模型的整个流程。一、准备数据有条件的同学,可以去imagenet的官网http://www.image-net.org/download-images,下载imagenet图片来训练。但是我没有下载,一个原因是注册账号的时候,验证码始终转载 2017-03-14 17:52:02 · 493 阅读 · 0 评论 -
Window下用caffe实现MNIST训练
本博包含MNIST原始数据的格式转化,以及分类训练1.数据转化Caffe源码中src/caffe/caffe/examples/mnist/convert_mnist_data.cpp提供的实现代码并不能直接在Windows下运行,这里在源码的基础上进行了改写,使其可以直接在Windows 64位上直接运行,改写代码如下(直接替换convert_mnist_data.cpp中所有内原创 2017-03-14 20:25:12 · 973 阅读 · 0 评论 -
Unknown bottom blob 'data' (layer 'conv1', bottom index 0)
caffe训练的时候,出现错误Unknown bottom blob 'data' (layer 'conv1', bottom index 0)原因1: data layer中的top名称与conv1 bottom的名称不一致。比如:(下方红色字内容应该统一,否则报错)name: "Test_net"layer { name: "data" type: "H原创 2017-09-29 11:23:56 · 2924 阅读 · 0 评论