caffe
文章平均质量分 75
香博士
仗剑走天涯,不水不浪
展开
-
caffe总结(五)经典神经网络模型(LeNet , AlexNet , VGG , GoogLeNet)简介
caffe总结(五)一、LeNet二、AlexNetReLU数据扩充重叠池化局部归一化(Local Response Normalization,简称LRN)Dropout三、VGG四、GoogLeNet1、Inception V12、Inception V23、Inception V34、Inception V4本文主要学习总结了关于经典网络模型(LeNet , AlexNet , VGG , GoogLeNet)的简单介绍。一、LeNetC1层(卷积层):6@28×28原创 2021-04-29 14:57:42 · 936 阅读 · 0 评论 -
caffe总结(十一)caffe regression 用于回归hdf5
caffe总结(十一)最近用caffe做regression问题,先用data layer中的data,float_data试了一下,data用来存放图片,float_data存放regression的values,label存放标签,发现不行,因为float_data和label这俩是指向同一块内存,两者不能共存,除非改caffe源码。关于更改caffe源码进行回归参考博客https://blog.csdn.net/weixin_42535423/article/details/103810673我又原创 2021-04-29 14:54:17 · 192 阅读 · 0 评论 -
caffe总结(十二)使用lmdb格式文件用于图像回归(regression)
caffe总结(十二)简介制作用于回归的lmdb文件1-修改==tools/convert_imageset.cpp==2-修改caffe\include\caffe\util\io.hpp3-修改caffe\src\caffe\util\io.cpp读取lmdb文件(Datum to Blob)4-修改caffe\src\caffe\layers\data_layer.cpp回归训练注意细节简介caffe分类已经做了很多,但是在现实生活中,连续性回归问题才是更加常见的,想到能不能利用深度学习解决回归性原创 2020-12-02 15:20:49 · 497 阅读 · 0 评论 -
caffe中读取LMDB文件的Python代码
读取LMDB文件的Python代码新建read.py文件# read.pyfrom PIL import Imagefrom caffe.proto import caffe_pb2import lmdbimport numpy as nppath='D:\caffe\zzhld\YINGLI_test_lmdb'def read_from_lmdb(lmdb_path, img_save_to): lmdb_env=lmdb.open(lmdb_path) lmdb_tx原创 2020-07-14 21:57:38 · 128 阅读 · 0 评论 -
caffe为什么采用LMDB、LEVELDB,而不是直接读取原始数据
1、数据类型多种多样 (有二进制、文本文件、编码后的图像文件如JPEG或PNG、网络爬取的数据),不可能用一套代码实现所有类型的输入数据读取, 转换为统一格式 可以简化数据读取层的实现;2、使用LMDB、LEVELDB 可以提高磁盘IO利用率。...原创 2020-07-11 11:30:10 · 330 阅读 · 1 评论 -
手撕caffe cnn(1)caffe data层中transform_param参数
transform_param四个参数执行顺序crop_size四个参数执行顺序caffe中transform_param有四个选项:scale,mean,mirror,crop_sizetransform_param { scale: 0.00390625 mean_file_size: "examples/cifar10/mean.binaryproto" mirror: 1 # 1表示开启镜像,0表示关闭,也可用ture和false来表示 crop_size:原创 2020-07-09 19:37:12 · 1138 阅读 · 0 评论 -
caffe报错
SyntaxError: EOL while scanning string literal将文件中\改为/Exception:Channel swap needs to have the same number of dimensions as the input channelsValueError: Mean channels incompatible with input....原创 2020-06-05 12:46:13 · 225 阅读 · 0 评论 -
修改caffe中resize的方式
opencv的resize默认的是使用双线性插值INTER_LINEAR,也可以是尝试其他的方式进行插值操作if (param.random_interpolation_method()) { // 0: INTER_NEAREST // 1: INTER_LINEAR // 2: INTER_CUBIC // 3: INTER_AREA // 4: IN...原创 2020-06-05 12:44:04 · 859 阅读 · 0 评论 -
caffe训练提示:Restarting data prefetching from start
最近一直调caffemodel,发现这个提示时有时没有,决定探究下。这个问题直接翻译就是从开始重新启动数据预取,如果假定每个数据都有序号的话,也就是将重新从0开始读取数据了。发现这个问题和许多方面有关,不是简单的调整一个参数就解决的。其分别与数据集大小/batch size大小/solver文件参数设置等均有关系。会遇到该问题的几种场景:batch size很大,大于数据集大小,即所有数据不够于bn读取一次数据用的,这样每次读取训练时都会出现;解决一般调小batch size另一种碰见的就是,就原创 2020-06-05 12:42:25 · 576 阅读 · 0 评论 -
深度学习论文查代码
https://paperswithcode.com/原创 2020-05-16 19:26:27 · 281 阅读 · 0 评论 -
caffe(2)修改源代码添加loss(层)函数
caffe(2)修改源代码添加loss函数第一步:在caffe.proto增加对应的LayerParameter message第二步:在./include/caffe/layers/下增加相应的layer的声明第三步:在./src/caffe/util/math_functions.cpp/下增加“绝对值求和”模板函数第四步:在./src/caffe/layers/下增加相应layer的CPU/...原创 2020-01-14 16:32:10 · 401 阅读 · 1 评论 -
caffe工具(5)各层数据可视化
这一节是对上面一节分类的图片进行可视化的,前面的部分基本是一样的,就是载入模块、路径、图片、向前分类,具体程序如下://需要的模块,设置好路径和绘图参数,全写在前面了import numpy as npimport matplotlib.pyplot as plt //画图显示用的import osimport sysimport pickleimport cv2import ...原创 2020-01-12 22:16:56 · 806 阅读 · 0 评论 -
caffe工具(4)提取网络各个层的特征保存为数据
caffe提取网络各个层的特征原创 2020-01-12 15:16:14 · 697 阅读 · 0 评论 -
caffe工具(2)如何在window下绘制caffe的loss和accuracy曲线
caffe工具(2)如何在window下绘制caffe的loss和accuracy曲线其大概方法都是要先生成log文件,然后通过其来绘制这两条曲线。生产log文件基本有两种方法。方法一通过命令行来进行生成,其使用bat文件时的配置为:h: cd H:\VCproject\ddcaffe.exe train --solver=H:/VCproject/dd/solver.protot...原创 2020-01-04 15:00:34 · 481 阅读 · 0 评论 -
caffe工具(1)深度神经网络可视化
caffe工具(1)caffe 网络模型可视化画网络流程图链接http://ethereon.github.io/netscope/#/editor将任一网络代码复制到网页,然后shift+enter;例如googlenet如图原创 2020-01-02 19:53:04 · 182 阅读 · 2 评论 -
caffe工具(3)caffemodel中的参数及特征的抽取
如果用公式 y=f(wx+b)来表示整个运算过程的话,那么w和b就是我们需要训练的东西,w称为权值,在cnn中也可以叫做卷积核(filter),b是偏置项。f是激活函数,有sigmoid、relu等。x就是输入的数据。数据训练完成后,保存的caffemodel里面,实际上就是各层的w和b值。我们运行代码:deploy=root + ‘mnist/deploy.prototxt’ #...原创 2020-01-09 17:04:20 · 249 阅读 · 0 评论 -
caffe(1)solver文件中不同lr_policy参数设置方法
caffe(1)lr_policy参数设置方法learning rate-学习策略fixed 固定策略step 均匀分步策略multistep 多分步或不均匀分步invlearning rate设置fixedstepexpinvmultisteppolysigmoidlearning rate-学习策略在caffe源码的caffe-master/sec/caffe/proto/caffe.pr...原创 2020-01-07 17:32:38 · 343 阅读 · 0 评论 -
caffe总结(十一)使用hdf5格式文件用于回归(regression)
caffe总结(十一)hdf5文件类型使用探讨单纯将图片只改为HDF5格式的案例说明一、环境:二、数据预处理:*.py生成文件准备生成train.h5和test.h5数据三、模型修改1.修改solver.prototxt2. 修改train_val.prototxt网络结构四、训练hdf5文件类型使用探讨最近用caffe做regression问题,先用data layer中的data,floa...原创 2020-01-02 21:29:14 · 544 阅读 · 0 评论 -
caffe总结(十)solver.prototxt参数含义
solver.prototxt的一般结构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...原创 2020-01-01 22:27:31 · 314 阅读 · 0 评论 -
caffe总结(九)用Caffe做回归(regression)
caffe总结原理EuclideanLossLayer给图像混乱程度打分的简单例子什么是混乱度?生成基于Ising模型的数据生成训练/验证/测试集生成HDF5文件训练测试Caffe应该是目前深度学习领域应用最广泛的几大框架之一了,尤其是视觉领域。绝大多数用Caffe的人,应该用的都是基于分类的网络,但有的时候也许会有基于回归的视觉应用的需要,这篇举个简单的小例子说明一下如何用Caffe和卷积神经...原创 2020-01-01 22:08:43 · 569 阅读 · 4 评论 -
caffe总结(八)loss不下降的原因
当我们训练一个神经网络模型的时候,我们经常会遇到这样的一个头疼的问题,那就是,神经网络模型的loss值不下降,以致我们无法训练,或者无法得到一个效果较好的模型。导致训练时loss不下降的原因有很多,而且,更普遍的来说,loss不下降一般分为三种,即:训练集上loss不下降,验证集上loss不下降,和测试集上loss不下降。这里,首先默认各位都能理解过拟合和欠拟合的概念。训练集loss不下降训练...原创 2019-12-27 21:03:46 · 1110 阅读 · 2 评论 -
caffe总结(七)损失函数
导言在有监督的机器学习中,需要有标签数据,与此同时,也需要有对应的损失函数(Loss Function)。在Caffe中,目前已经实现了一些损失函数,包括最常见的L2损失函数,对比损失函数,信息增益损失函数等等。在这里做一个笔记,归纳总结Caffe中用到的不同的损失函数,以及分析它们各自适合的使用场景。欧式距离损失函数(Euclidean Loss)输入:预测的值: , 其中,它们的形状...原创 2019-12-27 20:23:21 · 1620 阅读 · 0 评论 -
caffe总结(六)solver优化方法
到目前为止,caffe总共提供了六种优化方法:Stochastic Gradient Descent (type: “SGD”),AdaDelta (type: “AdaDelta”),Adaptive Gradient (type: “AdaGrad”),Adam (type: “Adam”),Nesterov’s Accelerated Gradient (type: “N...原创 2019-12-27 15:04:16 · 400 阅读 · 0 评论 -
caffe总结(五)经典网络模型(LeNet , AlexNet , VGG , GoogLeNet)简介
caffe总结(五)一、LeNet二、AlexNetReLU数据扩充重叠池化局部归一化(Local Response Normalization,简称LRN)Dropout三、VGG四、GoogLeNet1、Inception V12、Inception V23、Inception V34、Inception V4本文主要学习总结了关于经典网络模型(LeNet , AlexNet , VGG ,...原创 2019-12-21 17:11:47 · 898 阅读 · 0 评论 -
caffe总结(四)基于caffe的CNN图像分类(强烈推荐超详细)
caffe总结(二)一、准备1、文件准备2、数据集的准备上文讲解了如何配置caffe的windows运行环境,本文主要总结了基于该环境caffe框架下的图像分类处理流程;在Ubuntu系统中会略有不同,后续将会提到。一、准备1、文件准备安装在D:\caffe-master的文件夹内需要有以下文件2、数据集的准备图片分类中尽量做到对图片名称及大小有一定的标准,如果自己准备的图片集是已经...原创 2019-12-18 22:06:30 · 1955 阅读 · 0 评论 -
caffe总结(三)caffe layers层参数含义解释
caffe总结(三)1、data layers(1)数据库(2)内存数据(3)HDF5数据(4)图像数据Images(5)窗口Windows2、convolution layers3、pooling layers4、InnerProduct Layers5、ReLU Layers6、Sigmoid Layers7、LRN Layers8、Dropout Layers9、SoftmaxWithLos...原创 2019-12-16 19:08:03 · 860 阅读 · 0 评论 -
caffe总结(二)caffe网络模型认知
caffe总结(二)一、模型要素1、网络模型(以LeNet-5为例)2、参数配置二、caffe数据1、caffe.proto文件2、caffe数据库3、Caffe Blob上文讲解了如何配置caffe的windows运行环境,本文主要总结了基于caffe的网络模型要素及构成、数据库类型、主要层的功能及参数等。caffe模型是一个端到端的机器学习引擎,通过合成各层的输出来计算梯度函数,同时通过合...原创 2019-12-16 17:02:05 · 813 阅读 · 1 评论 -
caffe总结(一)运行caffe的windows环境配置
caffe总结(一)一、caffe的硬件选择1、CPU的选择2、GPU的选择3、内存的选择二、安装显卡驱动1、下载2、安装三、安装VS20131、下载2、安装3、将VS的cl.exe所在路径添加至环境变量四、 安装Anaconda21、下载2、安装3、opencv环境4、添加系统路径(可选)5、安装Microsoft Visual C++ Compiler for Python 2.7五、 安装C...原创 2019-12-11 22:48:01 · 1789 阅读 · 2 评论