Caffe
文章平均质量分 69
AIHGF
完美一切 一切完美
展开
-
Caffe - 基于Intel优化的Caffe框架训练和部署深度学习网络
基于Intel优化的Caffe框架训练和部署深度学习网络原文.目录: - 摘要 - 安装 - 数据层 - 数据集准备 - 训练 - 多节点分布式训练 - 微调 - 测试 - 特征提取和可视化 - 使用Python API - 调试 - 实例 - Caffe用处 - 进一步阅读1 摘要Caffe是BVLC开发的深度学习框架,基于C++和 CUDA C++语言,并提供了Pyt翻译 2017-05-22 22:02:33 · 9753 阅读 · 3 评论 -
论文阅读实践 - 基于CNN的年龄和性别分类
基于CNN的年龄和性别分类学习论文 Age and Gender Classification using Convolutional Neural Networks. 主要是针对年龄和性别分别建立分类问题,基于CaffeNet,年龄转化为 8 类别、性别为 2 分类问题,训练两个网络模型,实现原理较为直接简单.项目路径源码路径年龄分类网络结构 - 对应caffemodel...原创 2017-08-28 09:57:04 · 2101 阅读 · 0 评论 -
Caffe 源码 - BatchNorm 层与 Scale 层
batch norm layer & scale layer简述Batch Normalization 论文给出的计算:前向计算:后向计算:BatchNorm 主要做了两部分:[1] 对输入进行归一化,xnorm=x−μσxnorm=x−μσx_{norm} = \frac{x - \mu}{\sigma},其中, μμ\mu 和 σσ\sigma 是...原创 2017-12-19 15:37:27 · 18434 阅读 · 1 评论 -
Caffe源码 - inner_product_layer 全连接层
Caffe - 全连接层 inner_product_layer图像分类中,网络结构的最后一般有一个或多个全连接层.全连接层的每个节点都与其上层的所有节点相连,以综合前面网络层提取的特征. 其全连接性,导致参数较多.全连接层将卷积的 2D 特征图结果转化为 1D 向量.如 MNIST:最后两层为全连接层,在pooling 层后,转化为 1D 的 1*100 长度的向量....原创 2018-01-12 15:14:05 · 2093 阅读 · 0 评论 -
Caffe2 - (七)Caffemodel 转换为 Caffe2 pb 模型
Caffe2 - Caffemodel 转换为 Caffe2 pb 模型1. 单输入单输出 - caffe_translator.pyCaffe2 提供了将 caffemodel 转换为 caffe2 模型的工具——caffe_translator.py. 其使用:python -m caffe2.python.caffe_translator deploy.prototx原创 2018-01-03 09:56:41 · 8474 阅读 · 1 评论 -
Caffe - 训练日志 log 可视化分析
Caffe - 训练日志 log 可视化分析在采用 shell 脚本进行 caffe 训练时,可以输出训练过程到log 文件,如$CAFFE_ROOT/build/tools/caffe train \ --solver=solver.prototxt \ --gpu 0 \ 2>&1 | tee train.logCaffe 提供了对输出 l...原创 2018-01-31 12:55:50 · 6725 阅读 · 17 评论 -
Caffe Data层 - ImageDataLayer
Caffe Data 层 - ImageDataLayerCaffe 官方提供的直接从 image 文件读取图像数据及对应label.1. 数据格式及 prototxt 定义数据格式为:# train.txt001.jpg 1002.jpg 2003.jpg 3网络层定义:# train_val.prototxtlayer { name: "da...原创 2017-08-25 15:50:25 · 5859 阅读 · 4 评论 -
Caffe - 创建LMDB/HDF5格式数据
Python 创建LMDB/HDF5格式数据LMDB格式的优点: - 基于文件映射IO(memory-mapped),数据速率更好 - 对大规模数据集更有效.HDF5的特点: - 易于读取 - 类似于mat数据,但数据压缩性能更强 - 需要全部读进内存里,故HDF5文件大小不能超过内存,可以分成多个HDF5文件,将HDF5子文件路径写入txt中. - I/O速率不如LMDB.原创 2017-05-24 23:02:24 · 3368 阅读 · 0 评论 -
Caffe Loss 层 - LossLayers
Caffe Loss 层Loss 计算的是网络输出的 target 值与真实label之间的误差,最小化以优化网络. Loss 值由 forward-pass 计算得到,并在 backward-pass 计算关于 loss 的梯度值.Caffe 主要提供了以下 Loss 层:1. SoftmaxWithLoss用于一对多(one-of-many) 的分类任务,计算多项 lo...原创 2018-01-24 21:42:10 · 3293 阅读 · 1 评论 -
Docker - 基于NVIDIA-Docker的Caffe-GPU环境搭建
主要包括两部分: 1. Docker与NVIDIA-Docker的安装与配置 2. Caffe镜像使用1 Docker与NVIDIA-Docker的安装与配置1.1 Docker安装Docker安装过程需要使用root权限, 主要有两种安装方式:1.1.1 Ubuntu14.04 软件源安装使用Ubuntu14.04系统默认自带的docker.io安装包安装Do原创 2017-05-20 15:30:29 · 16419 阅读 · 0 评论 -
Caffe Loss层 - SigmoidCrossEntropyLossLayer
Caffe Loss层 - SigmoidCrossEntropyLossLayer1. SigmoidLayer非线性激活函数——Sigmoid:y=(1+exp(−x))−1=11+exp(−x)y=(1+exp(−x))−1=11+exp(−x)y = (1+exp(-x))^{-1} = \frac{1}{1+exp(-x)}该激活函数随着值远离 0 ,会出现梯度消...原创 2017-08-14 14:54:39 · 2756 阅读 · 0 评论 -
Caffe Loss 层 - SigmoidCrossEntropyLoss 推导与Python实现
Caffe Loss 层 - SigmoidCrossEntropyLoss 推导与Python实现[原文 - Caffe custom sigmoid cross entropy loss layer].很清晰的一篇介绍,学习下.1. Sigmoid Cross Entropy Loss 推导Sigmoid Cross Entropy Loss 定义形式:L=tln(P)...翻译 2018-02-05 13:21:22 · 5247 阅读 · 7 评论 -
Caffe Vision 层 - 卷积层 ConvLayer
Caffe Vision 层 - 卷积层 ConvLayerCaffe 的视觉层一般采用 images 作为输入,输出另一种 images. 也可以是其它类型的数据和维度.images 可以是单通道 (1 channel) 的灰度图,也可以是三通道(3 channel) 的 RGB 彩色图片.视觉层一般是对输入 images 的特定区域进行特定处理,得到特定区域对应的输出区域,如 Co...原创 2018-02-01 15:56:18 · 1843 阅读 · 0 评论 -
深度学习 - 不同深度学习模型间的转换
不同深度学习模型间的转换参考: [Github-Deep Learning Model Convertors].原创 2017-06-01 14:37:05 · 4994 阅读 · 0 评论 -
论文实践讨论 - Pyramid Scene Parsing Network
From Github Issues of PSPNetPSPNetauthor’s answerfor the training, the issues are mainly related to bn layer:原创 2017-06-06 10:55:08 · 2388 阅读 · 0 评论 -
目标检测 - 基于 SSD: Single Shot MultiBox Detector 的人体上下半身检测
基于 SSD 的人体上下半身检测这里主要是通过将训练数据转换成 Pascal VOC 数据集格式来实现 SSD 检测人体上下半身. 由于没有对人体上下半身进行标注的数据集, 这里利用 MPII Human Pose Dataset 来将 Pose 数据转换成上下半身 box 数据, 故box的准确性不一定很高, 但还是可以用来测试学习使用的.1. Pose to GTbox将M...原创 2017-10-23 10:42:08 · 12773 阅读 · 14 评论 -
Caffe 实践 - 基于 ResNet101 的 Multi-label 多标签标注的训练与部署
以前曾尝试过修改 Caffe ImageDataLayer 源码的方式来读取多个 labels - ImageMultilabelDataLayer [[Caffe实践 - 基于VGG16 多标签分类的训练与部署]. 修改源码的方式可能显得稍微有点繁琐, 毕竟需要重新编译.这里尝试了一种新的方式来进行多标签自动标注.原创 2018-05-08 16:48:26 · 5015 阅读 · 7 评论 -
Caffe实践 - 基于VGG16 多标签分类的训练与部署
基于Caffe VGG16 的多标签分类 这里采用从图像直接读取图片数据和标签的方式进行多标签分类.1. 问题描述假定每张图片具有 N 个标签(本文N=3),分别为 label1,label2,label3,...,labelNlabel1,label2,label3,...,labelN{label1, label2, label3,...,labelN}.数据集 tr...原创 2017-08-25 17:12:43 · 4938 阅读 · 10 评论 -
Caffe源码 - math_functions
math_function 定义了caffe 中用到的一些矩阵操作和数值计算的一些函数,这里以float类型为例做简单的分析.转载以供学习 Caffe C++ 源码实现时参考转载 2017-12-12 21:36:46 · 443 阅读 · 0 评论 -
论文实践学习 - Faster R-CNN 测试
Faster R-CNN 测试[Code-Caffe] 摘要: Faster R-CNN 实践学习 环境:Ubuntu 14.04,py-faster-rcnn1. Faster R-CNN 编译配置下载源码git clone git@github.com:rbgirshick/py-faster-rcnn.git # Faster R-CNN ...原创 2017-12-01 17:09:48 · 1010 阅读 · 0 评论 -
OpenMPI - Ubuntu安装与配置
OpenMPI- Ubuntu安装与配置OpenMPI安装原创 2017-05-27 15:25:31 · 6578 阅读 · 0 评论 -
Caffe 与 Caffe2
Caffe 与 Caffe2原创 2017-05-18 11:51:07 · 3094 阅读 · 0 评论 -
Caffe - A Step by Step guide to Caffe
A Step by Step guide to Caffe翻译 2017-06-09 16:31:03 · 1135 阅读 · 0 评论 -
论文实践学习 - Look into Person: Self-supervised Structure-sensitive Learning
Look into Person: Self-supervised Structure-sensitive LearningCode-CaffePaperLIP Dataset - 百度云LIP Dataset - Google Driveattention+ssl.caffemodel - Google Drive 摘要——基于提供的训练模型进行测试, 模型是基于 ...原创 2017-10-17 15:17:00 · 3868 阅读 · 12 评论 -
论文阅读学习 - Center Loss: Caffe 实现
Center Loss - Caffe实现原创 2017-11-16 13:08:48 · 2445 阅读 · 0 评论 -
Caffe源码 - RoI Pooling 层
RoI Pooling 层原创 2017-10-24 15:25:26 · 4788 阅读 · 2 评论 -
Caffe Loss层 - HingelossLayer
HingelossLayer计算 one-of-many 分类任务的 hinge loss.Hinge Loss 概念定义为: E(z)=max(0,1−z)E(z)=max(0,1−z)E(z) = max(0, 1-z) 常用在SVM的最大化间隔分类中. 对于期望输出t=+1,−1t=+1,−1t={+1,-1}和分类器分yyy, 预测值yyy的 hinge...原创 2017-08-01 15:41:09 · 1646 阅读 · 0 评论 -
Caffe源码 - SoftmaxWithLossLayer
Softmax with Loss Layer网络层 type: SoftmaxWithLossDoxygen Documentation头文件: ./include/caffe/layers/softmax_loss_layer.hppCPU 代码: ./src/caffe/layers/softmax_loss_layer.cppCUDA GPU 代码: ./src/caffe/lay原创 2017-06-13 13:34:26 · 2632 阅读 · 0 评论 -
Caffe源码 - SegAccuracyLayer
SegAccuracyLayer语义分割原创 2017-06-06 17:47:16 · 2311 阅读 · 0 评论 -
Caffe Loss 层 - Lifted Struct Similarity Softmax Layer
Caffe Loss - Lifted Struct Similarity Softmax LayerLoss Layer From Deep-Metric-Learning-CVPR16.1. 在 prototxt 中的定义layer { name: "fc_embedding" type: "InnerProduct" bottom: "pool_ave" ..原创 2017-11-18 14:38:33 · 1177 阅读 · 0 评论 -
Caffe - Clion 调试 C++ 源码简单使用
Clion 调试 Caffe C++ 源码环境:Ubuntu14.04,Caffe,Clion2017.21. Clion - Ubuntu 安装官网下载 Clion 的 .tar.gz 压缩包 Clion-Linux解压压缩包到当前文件夹tar -zxvf Clion-2017.2.3.tar.gz运行安装脚本cd Clion-2017.2.3./bin/cli...原创 2017-11-22 15:33:56 · 9888 阅读 · 0 评论 -
目标检测 - Faster R-CNN 训练过程源码理解
Faster R-CNN 训练过程源码理解训练脚本 ./tools/train_net.py 主函数开始. 数据读取层 RoIDataLayer原创 2017-12-02 15:04:10 · 3481 阅读 · 1 评论 -
Caffe - 使用caffe训练时Loss变为nan的原因
使用caffe训练时Loss变为nan的原因From [原创|使用caffe训练时Loss变为nan的原因]1. 梯度爆炸原因:梯度变得非常大,使得学习过程难以继续现象:观察log,注意每一轮迭代后的loss。loss随着每轮迭代越来越大,最终超过了浮点型表示的范围,就变成了NaN。措施: 减小solver.prototxt中的base_lr,至少减小一个数量级。如果有多个loss layer转载 2017-11-06 13:19:30 · 1583 阅读 · 0 评论 -
Caffe实践 - 单标签图片分类流程
Caffe 图像分类流程1. 训练数据制作主要是生成 train.txt、 val.txt 和 test.txt 文件,使其内容格式为:image_name1 label1image_name2 label2image_name3 label3......如:img1.jpg 0img2.jpg 0img3.jpg 1img4.jpg 1img5.jpg 2img6.jpg 2..原创 2017-08-09 11:02:34 · 1114 阅读 · 0 评论 -
PyCUDA - Ubuntu14.04安装及测试
PyCUDA - Ubuntu14.04安装及测试安装依赖 Numpy直接安装sudo apt install python-pycuda源码安装: Step 1 下载并解压 PyCUDA$ wget http://pypi.python.org/pypi/pycuda$ tar xfz pycuda-VERSION.tar.gzStep 2 编译PyCUDA$ cd pycuda-VE原创 2017-07-07 11:17:43 · 1953 阅读 · 0 评论 -
Caffe - Ubuntu 安装及问题解决
Caffe - Ubuntu 安装及问题解决Ubuntu14.04CUDA 8.0cuDNNCaffe 安装Step 1 CUDA安装 要结合使用 Caffe 和 NVIDIA GPU,需要安装CUDA 工具包. Step 2 cuDNN 安装下载适用于Linux的cuDNN库,这里需要注册加速计算开发人员计划; 下载后,解压缩文件并将其复制到CUDA目录,...原创 2017-06-07 16:12:19 · 24155 阅读 · 2 评论 -
CaffeLoss - FocalLossLayer
原文: CaffeLoss - FocalLossLayer - AIUAIGithub - focal_loss_layerFocal Loss 论文理解及公式推导 - AIUAI基于 SoftmaxWithLossLayer 实现的 FocalLossLayer.主要涉及四个文件:caffe.protofocal_loss_layer.hppfocal_loss_layer...原创 2018-10-31 20:23:52 · 1715 阅读 · 0 评论