随笔分类 - 深度学习
摘要:以前都是直接调用别人的, 但是详细实现没有了解过, 今天自己实现一把。简单来说, 找出batch中每个anchor对应的最大正样本postive和最小负样本nagetive,然后距离max(a p)和min(a n)做差即可。
阅读全文
摘要:这些东西总是忘记来回查,特此记录一下: 1. caffe标注txt文件的读取与保存(使用pandas.DataFrame) 读取: 保存 实例: 2. LMDB数据读取Data层: caffe生成的lmdb数据,有生产2文件夹和4文件夹版本, 对应data层如下: windows版本: 我的linu
阅读全文
摘要:caffe编译是一个繁琐个过程, 或多或少会遇到各种各样的问题, 如我 "caffe编译错误记录" 记录了遇到过得一部分问题. 原因是因为每个依赖如 , 都需要编译 特定版本 , 每台电脑装的依赖库各不相同, 环境变量 也有冲突的情况(如system和anaconda). 于是我一直想找一种简单方便
阅读全文
摘要:今天需要使用caffe的python端口,但是发现虚拟环境识别不出之前编译好的caffe了. 最后发现是环境变量的问题. 参考链接: "解决python在import caffe时出现的no module name _caffe问题" 解决方法: 虚拟环境识别出编译好的caffe, 有三种方式: 把
阅读全文
摘要:前言 模型转换思路通常为: Pytorch → ONNX → TensorRT Pytorch → ONNX → TVM Pytorch → 转换工具 → caffe Pytorch → torchscript(C++版本Torch) 我的模型是使用Pytorch1.0训练的,第三种方法应该是还不支
阅读全文
摘要:为了增强模型的泛化的性能,一般的手段有数据增强和正则化方法(如dropout,BN),而用于数据增强的一般方法有:随机裁剪、随机水平翻转、平移、旋转、增加噪音和生成网络方法等(前两个方法用的最多,也最有效),作者从CNNs输入的数据预处理出发,极端的情况下,如果训练模型的数据集很少有遮挡的样本(尽管
阅读全文
摘要:1. 前提: 已经准备好train.txt, test.txt文件, 格式如下 此处有坑, 如果是windows下生成txt, 换行符为\r\n, 需要替换成 \n才能在linux运行. 可以使用 统一去掉, 具体参考 "除去文件中显示的^M符号" 已经编译好了支持多标签的caffe, 具体见 "多
阅读全文
摘要:说明: Caffe自带的图像转LMDB接口只支持单label,对于多label的任务,可以使用HDF5的格式,也可以通过修改caffe代码来实现.本篇文章介绍怎么通过修改DataLayer来实现带Multilabel的lmdb格式数据输入的分类任务. 本文参考自 : "Caffe实现多标签分类支持M
阅读全文
摘要:#1. 前提: 安装前服务器情况,已经安装好了: CUDNN=7.3.0 CUDA=10.0.130 Opencv 2.4.13 相应命令为: cuda 版本 cat /usr/local/cuda/version.txt cudnn 版本 cat /usr/local/cuda/include/c
阅读全文
摘要:1. caffe.pb.h丢失问题 错误代码如图: 解决方法 解决办法参考这个博客:http://blog.csdn.net/xmzwlw/article/details/48270225, 用protoc从caffe/src/caffe/proto/caffe.proto生成caffe.pb.h和
阅读全文
![](https://files.cnblogs.com/files/geoffreyone/未命名.gif)