自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(26)
  • 收藏
  • 关注

原创 caffe绘制train和loss曲线

参考博文:caffe绘制训练过程的loss和accuracy曲线1.必备文件caffe/tools/extra下面有几个文件,必备的:1 caffe/tools/extra/parse_log.sh 2 caffe/tools/extra/extract_seconds.py3 caffe/tools/extra/plot_training_log.py.example

2017-07-13 10:31:25 3110 2

转载 caffe学习系列——命令给行解析

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

2017-07-12 16:21:17 288

原创 Caffe的安装:ubuntu16.04+gtx1060+cuda8.0

主要参考这片文章ubuntu16.04+gtx1060+cuda8.0+caffe安装、测试经历一、首先安装nvidia显卡驱动 安装nvidia驱动,终端输入 $ sudo add-apt-repository ppa:graphics-drivers/ppa 回车后继续 $ sudo apt-get update $ sudo apt-get ins

2017-06-16 10:59:48 1489

转载 train_val.prototxt文件里的data层的type和参数解释

转载自己:http://www.cnblogs.com/denny402/p/5070928.html要运行caffe,需要先创建一个模型(model),如比较常用的Lenet,Alex等, 而一个模型由多个屋(layer)构成,每一屋又由许多参数组成。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

2017-06-13 11:11:45 1002

转载 caffe——模型训练数据的过程

本文主要讲解caffe的整个使用流程,适用于初级入门caffe,通过学习本篇博文,理清项目训练、测试流程。初级教程,高手请绕道。我们知道,在caffe编译完后,在caffe目录下会生成一个build目录,在build目录下有个tools,这个里面有个可执行文件caffe,如下图所示:有了这个可执行文件我们就可以进行模型的训练,只需要学会调用这个可执行文件就可以了,这便是

2017-06-09 09:21:29 13132 2

转载 Caffe学习笔记:cifar10_quick_train_test.prototxt配置文件分析

转载请注明作者和出处:http://blog.csdn.net/c406495762运行平台: Ubuntu14.04    在上篇笔记中,已经记录了如何进行图片数据格式的转换和生成txt列表清单文件。本篇笔记主要记录如何计算图片数据的均值和理解prototxt配置文件中各个层的参数。    Caffe主要处理两种形式的数据流:    图像和标签在网络上的传输,随着

2017-06-09 09:12:15 356

转载 浅谈caffe中train_val.prototxt和deploy.prototxt文件的区别

本文以CaffeNet为例:1. train_val.prototxt 首先,train_val.prototxt文件是网络配置文件。该文件是在训练的时候用的。2.deploy.prototxt该文件是在测试时使用的文件。区别:首先deploy.prototxt文件都是在train_val.prototxt文件的基础上删除了一

2017-06-08 19:27:29 777

转载 python基础学习之——条件判断和循环

小结以下代码在python2下操作条件判断可以让计算机自己做选择,Python的if...elif...else很灵活。循环是让计算机做重复任务的有效的方法,有些时候,如果代码写得有问题,会让程序陷入“死循环”,也就是永远循环下去。这时可以用Ctrl+C退出程序,或者强制结束Python进程。条件判断用if语句实现:age = 2

2017-06-06 19:54:30 352

转载 SSD的配置安装与测试——cpu版本修改ssd_pascal.py文件

继yolo-darknet后,又一个SSD的配置教程,希望可以帮助大家。若不能配置成功,请与我联系,邮箱:ahuljx@126.com注意:1、要求Ubuntu系统预先安装opencv和cuda7.5,如果您没有安装,请参考我的博客:http://blog.csdn.net/samylee/article/details/516848562、有些您复制的终端命令如果不能在终端运

2017-06-05 19:43:51 3749 1

转载 python基础学习之——使用list和tuple

小结:list和tuple是Python内置的有序集合,一个可变,一个不可变。根据需要来选择使用它们。list是一种有序的集合,可以随时添加和删除其中的元素。len(),pop(),append(),insert()tuple,另一种有序列表叫元组:tuple。tuple和list非常类似,但是tuple一旦初始化就不能修改使用list和tu

2017-06-05 16:02:39 247

转载 各种梯度优化算法介绍(SGD Loss剧烈波动)

注:之前用faster rcnn和subcnn训练数据时,看到loss一直在波动,没有收敛的趋势,以为自己训练有问题,后来看了SGD的介绍,再了解这属于正常的,具体看下面介绍吧。=====================================================================================梯度下降是最流行的优

2017-06-05 15:35:45 2305

转载 Caffe中的损失函数解析

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:

2017-06-05 14:02:04 1223

转载 Caffe学习:Forward and Backward

Caffe学习:Forward and Backward标签: machine-learningcaffe2015-08-07 21:38 4178人阅读 评论(1) 收藏 举报 分类:machine-learning(33)  caffe(28) 原文forward and backward passes(前向迭代和反向迭代)是

2017-06-05 13:59:01 817

转载 SGD求解器的学习率a和遗忘因子u的设置原则

SGDStochastic gradient descent (type: "SGD") updates the weights WW by a linear combination of the negative gradient ∇L(W)∇L(W) and the previous weight update VtVt. The learning rate αα is

2017-06-05 11:33:06 1242

转载 python基础学习之——格式化%——printf(“*%06d*\n”,x);是什么意思?

打印6个字符,不足的用0填充e.g.程序 #includestdio.h> void main(){int x=12; printf("*%06d*\n",x); }结果*000012*

2017-06-04 13:10:14 5932

原创 python基础学习之——# -*- coding: utf-8 -*-

由于Python源代码也是一个文本文件,所以,当你的源代码中包含中文的时候,在保存源代码时,就需要务必指定保存为UTF-8编码。当Python解释器读取源代码时,为了让它按UTF-8编码读取,我们通常在文件开头写上这两行:#!/usr/bin/env python# -*- coding: utf-8 -*-第一行注释是为了告诉Linux/OS X系统,这是一个Python可执行程

2017-06-04 11:12:46 762

原创 pythpn基础学习之——整数除法

无论整数做除法还是取余数,结果永远是整数,所以,整数运算结果永远是精确的。>>> 10 / 33你没有看错,整数除法永远是整数,即使除不尽。要做精确的除法,只需把其中一个整数换成浮点数做除法就可以:>>> 10.0 / 33.3333333333333335因为整数除法只取结果的整数部分,所以Python还提供一个余数运算,可以得到两个整数相除的余数

2017-06-04 10:59:01 1125

转载 python--基础学习(三)字符串单引号、双引号、三引号

1、基本认识单引号字符串:'python'双引号字符串:"python"三引号字符串:'''python'''(三单引号),"""python"""(三双引号) 2、代码示例#单引号str1='python'#单引号中使用双引号str2='"python"'#双引号中使用单引号str3="'python'"#三单引号str4='''python''

2017-06-02 09:42:19 1243

转载 python基础模块之os模块

os模块os模块的作用:  os,语义为操作系统,所以肯定就是操作系统相关的功能了,可以处理文件和目录这些我们日常手动需要做的操作,就比如说:显示当前目录下所有文件/删除某个文件/获取文件大小……  另外,os模块不受平台限制,也就是说:当我们要在linux中显示当前命令时就要用到pwd命令,而Windows中cmd命令行下就要用到这个,额...我擦,我还真不知道,(甭管怎

2017-06-02 09:32:28 356

原创 caffe模型

一个完整的深度学习系统最核心的两个方面是 数据和模型。这里主要来关注模型。一个深度学习模型通常由三部分参数组成:可学习参数(Learnable Parameter),又称可训练参数、神经网络权系数、权重,其数值由模型初始化参数、误差反向传播过程控制,一般不可人工干预。结构参数(Archetecture Parameter),包括卷积层/全连接层/下采样层数目、卷

2017-06-01 19:47:19 477

转载 caffe中solver.prototxt参数说明

http://www.cnblogs.com/denny402/p/5074049.htmlsolver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

2017-06-01 19:24:33 874

转载 Ubuntu16.04安装caffe(仅cpu)

Ubuntu16.04安装caffe(仅cpu)背景:之前用的centos6.6安装caffe,由于各种依赖的问题,并且源里面的安装包有限,有时需要去网站上下载包,涉及到对应的版本型号比较细致且复杂,最终centos安装caffe的路没走下去,选择了ubuntu16.04版本安装caffe。 安装步骤如下(参考网络安装教程):1 安装开发依赖包 $ sudo apt-g

2017-05-22 14:38:43 956

转载 Caffe使用step by step:caffe框架下的基本操作和分析

caffe虽然已经安装了快一个月了,但是caffe使用进展比较缓慢,果然如刘老师说的那样,搭建起来caffe框架环境比较简单,但是完整的从数据准备->模型训练->调参数->合理结果需要一个比较长的过程,这个过程中你需要对caffe中很多东西,细节进行深入的理解,这样才可以知道为什么能有这样的结果,在训练或者fine-tuning时知道针对调整的方法。下面针对caffe中的使用进行讲解。  

2017-05-18 15:59:37 404

原创 虚拟机安装Ubuntu16.04后重启黑屏问题

按照网上的教程在虚拟机上安装好了Ubuntu16.04后,最后一步点击重启。以为等待开机就好了,结果。。黑屏且仅有一行字:...[sda]:Assuming  drive  cache:write through按常规键,界面不能转换。解决办法:按1perfect,正常启动了

2017-05-12 15:36:07 6375

转载 SSD的配置及运行

SSD的安装在home目录下,获取SSD的代码,下载完成后有一个caffe文件夹 git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd(出现“分支”则说明copy-check成功)123进入下载好的caffe目录,复制配置文件 cd /home/usrname/ca

2017-04-22 09:58:18 759

转载 SSD框架训练自己的数据集

SSD demo中详细介绍了如何在VOC数据集上使用SSD进行物体检测的训练和验证。本文介绍如何使用SSD实现对自己数据集的训练和验证过程,内容包括:1 数据集的标注2 数据集的转换3 使用SSD如何训练4 使用SSD如何测试1 数据集的标注   数据的标注使用BBox-Label-Tool工具,该工具使用python实现,使用简单方便。修改后的工具支持多label的标签标注。该工具生成的标签格式

2017-04-22 09:32:08 1055

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

提示
确定要删除当前文章?
取消 删除