- 博客(9)
- 收藏
- 关注
RSS订阅原创 caffe程序运行流程
在训练caffe网络的时候，train.sh的内容为：#!/usr/bin/env shTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhuangni/code/Multi-Task/experiment_single/attr1/vgg/log/' \$TOOLS/ca
2016-10-28 10:31:53
2669
6
原创 利用caffe日志进行测试精度训练损失等的画图（caffe训练结果可视化）
本文主要介绍，将caffe训练得到的accracy,loss进行图像化。对于一般caffe训练结果的可视化：1.在训练时，需要将训练的结果保存日志。 train.sh：#!/usr/bin/env shTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhua
2016-10-26 18:42:14
9241
25
原创 caffe训练出错：malloc(): memory corruption
caffe训练网络时出现错误：*** Aborted at1476722149 (unix time) try "date -d @1476722149" if you areusing GNU date ***PC: @ 0x7f81a419bed4 caffe::BlobProto::SerializeWithCachedSizesToArray()*** Error
2016-10-18 10:04:06
6983
3
转载 Caffe部署中的几个train-test-solver-prototxt-deploy等说明<三>
转载地址： http://blog.csdn.net/lg1259156776/article/details/525508651:神经网络中，我们通过最小化神经网络来训练网络，所以在训练时最后一层是损失函数层（LOSS），在测试时我们通过准确率来评价该网络的优劣，因此最后一层是准确率层（ACCURACY）。但是当我们真正要使用训练好的数据时，我们需要的是网络给
2016-10-13 14:16:13
2543
转载 Caffe部署中的几个train-test-solver-prototxt-deploy等说明 （二）
deploy.prototxt1.删除输入数据（如：type:data...inckude{phase: TRAIN}），然后添加一个数据维度描述。 input: "data" input_dim: 1 input_dim: 3 input_dim: 224 input_dim: 224 force_backwa
2016-10-13 09:27:08
799
转载 Caffe部署中的几个train-test-solver-prototxt-deploy等说明 （一）
转载地址： http://blog.csdn.net/lg1259156776/article/details/52550830本文只是自己学习一天的总结，如有不对的地方，欢迎指正！欢迎大家转载，但请标明出处，谢谢！1、*_train_test.prototxt文件这是训练与测试网络配置文件（1）在数据层中 参数include{
2016-10-13 09:07:15
1281
转载 ubuntu滚动屏幕长截屏，截取整个网页
转载地址：http://www.leesven.com/2571.html使用Firefox(ubuntu自带浏览器)shift+F2打开dev控制台输入下面的指令来截取整个网页screenshot fileName --fullpage其中fileName 是保存成图片（一般是png 格式，存储在你firefox设置的下载路径里）的文件名，你会在下载路
2016-10-09 17:13:30
9948
1
原创 强烈推荐一个在线caffe网络可视化工具！！
简直想奔走相告！！在线的caffe网络可视化工具： http://ethereon.github.io/netscope/quickstart.html可以可视化写的网络结构，鼠标移上去还能看见参数配置。我的网络：
2016-10-09 16:19:37
19647
2
原创 caffe训练出错 loss= 87.3365
caffe训练网络的时候，出现loss= 87.3365,解决：将solver.prototxt中的base_lr调小。 若base_lr：0.01，可调为base_lr:0.001.
2016-10-08 11:22:22
2800
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人