caffe
超超越越一亿粉丝
别问,问就杨超越
展开
-
caffe.proto
参考巨佬的博客https://blog.csdn.net/Quincuntial/article/details/74990664,怕他删,复制下来// syntax用来指定protobuf的版本syntax = "proto2";// package可以看作C++中的namespace,与Caffe C++代码中的namespace caffe对应// package用来避免名称冲突package caffe;// 在消息定义中,每个字段都有唯一的一个数字标识符。这些标识符是用来在消息的转载 2020-05-28 21:16:39 · 165 阅读 · 0 评论 -
caffe理论学习(1):官方教程记要
第一章 Blobs, Layers, and Nets:Caffe模型解析1.1Blob的存储与交换blob维数为NCHW。blob按行为主存储。例如一个卷积层中有96个3通道的1111的滤波器,blob维度为96311*11。1.1.1实现细节一个blob中存储了两块数据——data(普通数据)和diff(梯度)。1.2Layer的计算和连接一个 layer层通过bottom和top传输数据。每个layer定义了三种重要的运算:setup,forward,backward。caffe自定义原创 2020-05-26 10:19:16 · 118 阅读 · 0 评论 -
1h-8学习(1):1h-8适配之int8直接量化+转.cambricon格式
我尝试量化的模型是我自己训练的VGG_gtsdb_voc_SSD_300x300_iter_60000.caffemodel网络结构文件对比网络结构文件有五个:train.prototxt(训练时网络结构)、test.prototxt(测试评估时网络结构)、deploy.prototxt(实际图片检测网络结构)、ssd_float32_dense.prototxt(适配1-h8的全精度网络结构)、ssd_float32_dense.fix8.prototxt(量化完成后的网络结构)。因为Convolut原创 2020-05-21 14:25:34 · 495 阅读 · 0 评论 -
caffe学习(11):使用迁移学习预训练模型训练
数据集还是用GTSDB,我是打算用之前VOC0712数据集针对普通目标20类的模型,迁移到检测GTSDB上来。实验发现用迁移学习还是能提升一定精度的。预训练模型:VGG_VOC0712_SSD_300x300_iter_120000.caffemodel这个是我自己训练的。目标数据集GTSDB44小类目标检测并分类数据集处理参照caffe学习(10):交通标志目标检测训练整体流程数据集处理部分。还是原来的图片,格式已经转换,不需要再运行ppm2jpg.py。我这边是把真值中的0-42xml中标原创 2020-05-20 21:46:42 · 612 阅读 · 1 评论 -
caffe学习(10):交通标志目标检测训练整体流程
下载数据集GTSDB数据集介绍:用于目标检测的交通标志数据集。共900张图,格式为.ppm。共4大类(禁止,危险,强制,其他)42小类。官方下载地址FullIJCNN2013.zip是主要文件。里面包含00000.pmm~00899.ppm共900张.ppm格式的图片。还有一份真值文件gt.txt,里面记录900张图片的标注信息。数据集处理由于我用的SSD模型是基于VOC数据集格式的,我要把GTSDB转换成VOC格式。VOC格式根目录下三个目录。Annotations/放xml文件,JPE原创 2020-05-13 14:38:12 · 2717 阅读 · 1 评论 -
caffe学习(9):mobilenets-ssd训练测试
参考https://github.com/chuanqi305/MobileNet-SSD下载源码下载源码,解压,放在/home/jqy/jqy_caffe/caffe-gpu/caffe-ssd/examples/下测试运行修改/home/jqy/jqy_caffe/caffe-gpu/caffe-ssd/examples/MobileNet-SSD下的demo.py的路径如下运...原创 2020-05-07 19:40:48 · 252 阅读 · 0 评论