- 博客(240)
- 资源 (23)
- 收藏
- 关注
原创 Caffe GNU error
*** Aborted at 1491880114 (unix time) try "date -d @1491880114" if you are using GNU date ***PC: @ 0x7fefd5f82cde (unknown)*** SIGSEGV (@0x0) received by PID 2769 (TID 0x7fefea08ca40) from PID 0;
2017-04-11 11:11:35 1243 2
转载 install opencv with linux
The following steps have been tested for Ubuntu 10.04 but should work with other distros as well.Required PackagesGCC 4.4.x or laterCMake 2.8.7 or higherGitGTK+2.x or higher, including headers
2017-04-09 09:21:17 955
原创 Caffe Layer Library
Convolution layer# convolutionlayer { name: "loss1/conv" type: "Convolution" bottom: "loss1/ave_pool" top: "loss1/conv" param { lr_mult: 1 decay_mult: 1 } param { lr_mult: 2
2017-03-14 15:22:33 4240 1
原创 Caffe Log Visualization
1.Record your train/test log as a log fileTOOLS=./build/tools GLOG_logtostderr=0 GLOG_log_dir=deepid/deepid2/Log/ \ $TOOLS/caffe train \ --solver=deepid/deepid2/deepid_solver.prototxt 2.Parse
2016-09-28 14:28:41 958
原创 Caffe --- SyncedMemory
SyncedMemory类定义在syncedmem.hpp/cpp里, 主要负责caffe底层的内存管理.PS: Caffe的底层数据的切换(cpu模式和gpu模式),需要用到内存同步模块。其实个人觉得如果需要研究Blob,对于SyncedMemory的分析很重要内存分配与释放内存分配与释放由两个(不属于SyncedMemory类的)内联函数完成. 代码简单直观: 如果是CPU模式, 那么调用m
2016-07-25 09:59:49 690
原创 Caffe --- blob code
两篇非常好的文章: http://blog.csdn.net/xizero00/article/details/50886829# http://www.cnblogs.com/yymn/articles/5341347.html
2016-07-23 13:02:21 901
原创 Caffe Solver
Solver scaffolds the optimization bookkeeping and creates the training network for learning and test network(s) for evaluation. iteratively optimizes by calling forward / backward and updating p
2016-07-21 15:46:39 501
原创 Blobs, Layers, and Nets: anatomy of a Caffe model
BlobsBlob作为Caffe的四大模块之一,负责完成CPU/GPU存储申请、同步和数据持久化映射。Caffe内部数据存储和通讯都是通过Blob来完成,Blob提供统一的存储操作接口,可用来保存训练数据、模型参数等。Blob 事实上是调用了SyncedMemory 类。SyncedMemory类封装了CPU/GPU内存申请、同步和释放等。所以SyncedMemory 完成了对内存的实际操作。
2016-07-21 15:39:26 911
原创 Python learning
Packages are a way of structuring Python’s module namespace by using “dotted module names”
2016-07-21 11:57:15 605
原创 Python layer
Fully Convolutional Networks for Semantic Segmentation 论文中公布的代码作为示例,解释python层该怎么写。 https://github.com/shelhamer/fcn.berkeleyvision.org First you have to build Caffe with WITH_PYTHON_LAYER option 1. R
2016-07-20 11:04:07 3382
转载 caffe net visualization
net.blobs.items() 存储了预测图片的网络中各层的feature map的数据。net.params.items()存储了训练结束后学习好的网络参数。vis_square 函数视觉化data,主要是进行数据归一化,data转换为plt可视化的square结构。plt.imshow(net.deprocess(‘data’, net.blobs[‘data’].data[4]))
2016-07-19 18:20:02 653
转载 caffe net implement
#include <algorithm>#include <map>#include <set>#include <string>#include <utility>#include <vector>#include "caffe/common.hpp"#include "caffe/layer.hpp"#include "caffe/net.hpp"#include "caffe/
2016-07-19 17:28:31 994
原创 caffe interface --- python
#include <Python.h> // NOLINT(build/include_alpha)// Produce deprecation warnings (needs to come before arrayobject.h inclusion).#define NPY_NO_DEPRECATED_API NPY_1_7_API_VERSION#include <boost/make_
2016-07-19 17:17:04 982
转载 caffe interface --- matlab
本文首先介绍一些基础的入门知识,然后分析一个大型工程应用caffe_,从工程的视角分析,该如何设计好一个大型的交互接口。同时,找到matlab性能的瓶颈,正是我们需
2016-07-19 15:19:16 2372
转载 郑帅师兄的五年博士总结
这五年最重要的,是渐渐知道了怎么去做一件比较大的事情。说得很大,其实就一点,心要静下来。首先,心静下来才能钻进某个领域里认真做事。现在的社交媒体太多了,各类新闻也太多,每天忙于应付这些广泛却又浅薄的信号,或是忙着去评点别人,是没有办法做成一件事情的。就比如一个人要去旅游,按图索骥地走一圈著名的景点,并不会给自己新的体悟,最多只增些与人的谈资而已。真要体会大自然的美丽,那是一定要涉足别人达不到的地方,
2016-07-08 15:58:26 1572
原创 factor graph,potential function,Template models
factor是对于variables的某种combination的fitness。在BN中factor就是conditional probability distribution(CPD);但factor并不总对应着某种概率(当然也不一定取0~1),比如说在MRF中。和数据库table的操作类似,factor上的基本操作有factor product ,factor marginalization
2016-07-05 17:23:26 1772
转载 dense_CRF
/* Copyright (c) 2013, Philipp Krähenbühl All rights reserved. Redistribution and use in source and binary forms, with or without modification, are permitted provided that the followi
2016-06-30 10:44:32 6901 4
原创 deeplab script---python
import os,sys, subprocesssys.path.insert(0, os.getcwd()+'/python/my_script/')from tester import testerfrom trainer import trainerfrom crf_runner import crf_runner, grid_searchimport tools# MO
2016-06-01 07:53:21 1576
原创 deepLab
1.matio can't find HDF5 librarieschange file /densecrf/makefile as:g++ refine_pascal_v4/dense_inference.cpp util/Timer.h libDenseCRF.a$(CC) refine_pascal_v4/dense_inference.cpp -o prog_refine
2016-05-30 07:20:29 3285
原创 python packages
1.beautifulsoup4pip install beautifulsoup42.mechanizepip install mechanize
2016-05-25 09:36:25 454
原创 Caffe重新编译
从github获得的很多caffe源码都需要重新编译:流程:1、Makefile.config文件(cudnn、)2、修改Makefile文件(Open cv和MKL)修改mkl的路径 添加opencv包含库3、$ rm -rf ./build/* 清除build$ make all -j8$ make test -j8$ make runtest -j83
2016-05-20 18:03:22 4075 1
转载 最小二乘法和极大似然法的区别与联系
对于最小二乘法,当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得模型能最好地拟合样本数据,也就是估计值和观测值之差的平方和最小。 而对于最大似然法,当从模型总体随机抽取n组样本观测值后,最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。 显然,这是从不同原理出发的两种参数估计方法。 在最大似然法中,通过选择参数,使
2016-05-16 16:03:34 7464
原创 linux install ffmpeg
sudo apt-add-repository ppa:mc3man/trusty-mediasudo apt-get updatesudo apt-get install ffmpeg gstreamer0.10-ffmpeg
2016-04-30 07:30:03 925
转载 光流
http://docs.opencv.org/3.1.0/d7/d8b/tutorial_py_lucas_kanade.html#gsc.tab=0
2016-04-18 19:53:02 659
原创 Caffe专业术语
Blob:the blob is the standard array and unified memory interface for the framework. The details of blob describe how information is stored and communicated in and across layers and nets. A Blob is a
2016-04-14 08:38:55 612
转载 池化方法总结(Pooling)
转自:http://blog.csdn.net/danieljianfeng/article/details/42433475在卷积神经网络中,我们经常会碰到池化操作,而池化层往往在卷积层后面,通过池化来降低卷积层输出的特征向量,同时改善结果(不易出现过拟合)。为什么可以通过降低维度呢?因为图像具有一种“静态性”的属性,这也就意味着在一个图像区域有用的特征极有可能在另一
2016-04-12 19:17:09 9640
转载 DL经典论文
转自:http://blog.sciencenet.cn/blog-520608-751519.html主要是顺着Bengio的PAMI review的文章找出来的。包括几本综述文章,将近100篇论文,各位山头们的Presentation。全部都可以在google上找到。BTW:由于我对视觉尤其是检测识别比较感兴趣,所以关于DL的应用主要都是跟Vision相关的。在其他方面比如语音
2016-04-12 18:54:17 885
转载 What is the role of the activation function in a neural network?
原文转自:https://www.quora.com/What-is-the-role-of-the-activation-function-in-a-neural-networkThe goal of (ordinary least-squares) linear regression is to find the optimal weights that -- when linearl
2016-04-11 17:16:36 1150
原创 Neural Network中的Activation function作用
激活函数的作用谈到激活函数,必须要提到回归的问题,我们做线性回归的目的是为了优化权重。由于每次输入新的数据都要进行调整权重,做回归的主要目的是将目标特征更明显,将区别较大的噪声排除掉。因此,我们引入了激活函数。由于在线性回归中要求输入是可微的,但输入往往是非线性的,加入激活函数可以具备去燥的作用,而且可以将非线性输入变为线性输入。主要类别: tanh
2016-04-11 17:07:13 1110
原创 训练过程中的Overfitting问题
Preventing overfittingEarly stoppingWeight decayTraining with noise因此,防止过拟合的常用方法有三种:第一,提前阻止。通过增加评估数据集,及时调整训练过程中的权重w,使得cost function以最快的速度下降;第二,权重衰减法。这里采用的是正则法,通过加入正则项,使得权重及时得到更新,但是这种方法不易操作
2016-04-09 20:23:43 1105
原创 bin to npy
import caffe % suppose caffe is already in the path of Pythonimport numpy as npimport sysblob = caffe.proto.caffe_pb2.BlobProto()data = open( 'data/ilsvrc12/imagenet_mean.binaryproto' , 'rb' ).re
2016-04-09 11:35:23 1510
原创 Python生成定长格式的字符串
print "\n".join(["n01"+ str(num).rjust(4,'0')+".jpg" for num in range(0, 10)])n010000.jpgn010001.jpgn010002.jpgn010003.jpgn010004.jpgn010005.jpgn010006.jpgn010007.jpgn010008.jpgn01
2016-03-31 08:35:43 5652
原创 批量修改文件(照片)名称(格式)
@echo off rem startsetlocal EnableDelayedExpansionset a=1for /f "delims=" %%i in ('dir /b *.jpg') do (if not "%%~ni"=="%~n0" (if !a! LSS 10 (ren "%%i" "A_000!a!.jpg") else ren "%%i" "A_!a!.jpg"s
2016-03-31 07:49:03 1306
原创 flask upload file
import osfrom PIL import Imagefrom flask import Flask, request, redirect, url_forfrom werkzeug import secure_filenamefrom flaskext.uploads import (UploadSet, configure_uploads, IMAGES,
2016-03-22 08:27:53 2974 1
原创 Caffe-Caffe Models
1.bvlc_reference_caffenet.caffemodel下载地址:http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel来源:caffe中ImageNet tutorial(Brew ImagesnNet)训练结果This model is the result of fol
2016-03-14 08:41:51 891
原创 Caffe Examples
1.ImageNet tutorialTrain and test "CaffeNet" on ImageNet data.
2016-03-14 08:34:34 2525 2
原创 使用Python中draw_net.py画网络结构图
python python/draw_net.py /home/vr/Documents/Caffe/setup/caffe-master/examples/mnist/lenet.prototxt /home/vr/Documents/Caffe/setup/caffe-master/examples/mnist/lenet.png
2016-03-12 12:19:50 5046
转载 Train and Test LeNet on your own dataset
This post walk you through how to train LeNet (defined in examples/mnist/lenet.prototxt) using your own dataset( jpg images of the same size or preprocessed ) and then test using the trained LeNet.
2016-03-12 10:43:15 1133
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人