2016年06月_小咸鱼_

12月 11月 10月 09月 07月 06月 05月 04月 03月 02月 01月

转载 caffe基础(8):draw_net.py绘制网络结构

1、安装pydotsudo apt-get install python-pydot 2、安装graphvizsudo apt-get instll graphviz 3、绘制python draw_net.py ../examples/cifar10/cifar10_quick_train_test.prototxt cifa10.png也可以在下面的网站上绘制网络结构图

2016-06-28 09:50:24 1608

转载 caffe基础(7): 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

2016-06-28 09:40:18 1888

转载 caffe基础(6):solver及其设置

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

2016-06-21 10:03:09 1997

转载 caffe基础(5):Blob,Layer和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

2016-06-21 09:53:38 1187

转载 caffe基础(4):其他常用层及参数

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

2016-06-21 09:07:44 1772 1

转载 caffe基础(3)：激活层及参数

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

2016-06-20 21:52:02 1155

转载 caffe基础(2)：视觉层及参数

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、Convolution层：就是卷积层，是卷积神经网络（CNN）的核心层。层类型：Convolution　　lr_mult: 学习率的系数，最终的学习率是这个数乘以so

2016-06-20 21:47:44 1333 1

转载 caffe基础(1)：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，而一个模型由多个层（layer）构成，每一层又由许多参数组成。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。

2016-06-20 21:38:40 2747 1

原创 Linux下python matplotlib.pyplot在图像上显示中文的问题

之前用py-faster-rcnn训练了一个车牌检测模型，然后对检测出来的车牌进行识别，由于我国的车牌第一个一般为汉字，在图像上显示汉字时，出现很多问题，乱码、汉字变方框等，后来在网上看了很多办法才解决，下面把解决过程记录一下。以py-faster-rcnn的demo.py代码为基础，我在demo.py中的修改如下：（1）指定默认编码：import caffe, os, sys

2016-06-16 19:18:31 13988 5

原创基于caffe的图像分类(3)——修改网络并训练模型

前面做好了lmdb和均值文件，下面以Googlenet为例修改网络并训练模型。我们将caffe-master\models下的bvlc_googlenet文件夹复制到caffe-master\examples\imagenet下。（因为我们的lmdb和均值都在这里，放一起方便些）打开train_val.txt，修改：1.修改data层：layer { name: "da

2016-06-15 15:27:41 17545 10

原创基于caffe的图像分类(2)——制作lmdb和计算均值

由于caffe-master\examples\imagenet中有生成lmdb和计算均值的脚本，所以，我们可以使用这些脚本。我们将训练所用的图片文件夹放在image下，train.txt和val.txt也放在image下，如：（BMW等文件夹放的是图像）然后，将image文件夹拷贝到Linux下的caffe-master\examples\imagenet文件夹里，接

2016-06-15 10:43:45 8831

原创基于caffe的图像分类(1)——制作train.txt和val.txt文件

做的标签文件如下：（无打乱）image/Audi/000001.jpg 0image/Audi/000002.jpg 0image/Audi/000003.jpg 0image/Audi/000004.jpg 0image文件夹下是各类别文件夹，如下：Audi等文件夹内放的是该类别的图片。下面的代码只做了训练集和验证集，没有做测试集，可以自己修改代码做测试集。cl

2016-06-08 15:32:34 16813 3