随笔分类 - caffe
摘要：1:训练的batch_size太小 1. 当数据量足够大的时候可以适当的减小batch_size,由于数据量太大，内存不够。但盲目减少会导致无法收敛，batch_size=1时为在线学习。 2. batch的选择，首先决定的是下降方向，如果数据集比较小，则完全可以采用全数据集的形式。这样做的好处有两
阅读全文
摘要：参照博客：https://blog.csdn.net/sinat_28519535/article/details/78533319
阅读全文
摘要：opencv的配置方式： https://blog.csdn.net/cocoaqin/article/details/78163171 输入Python时候报错： ERROR: ld.so: object '/usr/lib/libtcmalloc_minimal.so.4' from LD_PR
阅读全文
摘要：Traceback (most recent call last):File "/opt/xuben-project/caffe/data/VOC0712/../../scripts/create_annoset.py", line 105, in <module>label_map = caffe
阅读全文
摘要：在卷积神经网络中。常见到的激活函数有Relu层 layer { name: "relu1" type: "ReLU" bottom: "pool1" top: "pool1" }其中可选参数为：negative_slope：默认为0. 对标准的ReLU函数进行变化，如果设置了这个值，那么数据为负数时
阅读全文
摘要：1.开头不同 对train_val.prototxt文件来说，开头部分定义训练和测试的网络及参数 对deploy.prototxt文件来说，开头部分定义实际运用场景的配置文件，其参数不定义数据来源，仅定义数据输入的格式大小 如下： train_val.prototxt deploy.prototxt
阅读全文
摘要：需要的文件为：deploy.prototxt caffemodel net = caffe.Net(deploy.txt,caffe_model,caffe.TEST)具体代码： import caffeimport numpy as nproot='/home/xxx/' #根目录deploy=r
阅读全文
摘要：对于卷积层，向下取整 对于池化层：想上取整 output=((input+2*pad-dilation*(kernel-1)+1)/stride)+1 input：输入尺寸 output：输出尺寸 pad：边界填充（一般为0） dilation：卷积核膨胀系数（一般为1，不膨胀） stride：步长
阅读全文
摘要：lr_policy可以设置为下面这些值，相应的学习率的计算为： - fixed: 保持base_lr不变. - step: 如果设置为step,则还需要设置一个stepsize, 返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次
阅读全文
摘要：caffe训练过程中会生成.caffemodel和.solverstate文件，其中caffemodel为模型训练文件，可用于参数解析，solverstate为中间状态文件 当训练过程由于断电等因素中断时，可用solverstate文件继续执行，具体运行脚本和训练脚本类似，只需添加snapshot状
阅读全文
摘要：在修改propotxt之前我们可以对之前的网络结构进行一个直观的认识： 可以使用http://ethereon.github.io/netscope/#/editor 这个网址。 将propotxt文件内容复制后会得到可视化模型。
阅读全文
摘要：参见博文https://blog.csdn.net/u014510375/article/details/51704447
阅读全文
摘要：解决办法： 修改：Makefile.config INCLUDE_DIRS /usr/include/hdf5/serial/ 修改：Makefile LIBRARIES hdf5_hl and hdf5 改为 hdf5_serial_hl ，hdf5_serial 其他make all之前的报错信
阅读全文
摘要：原文转载：https://blog.csdn.net/zhongshaoyy/article/details/53502373 cifar10训练步骤如下： （1）打开终端，应用cd切换路径，如 cd ~/caffe/data/cifar10 ， （2）继续执行命令 ./get_cifar10.sh
阅读全文
摘要：在用voc2007和voc2012的数据训练基于caffe的SSD模型的时候，我们需要将图片数据转换成lmdb格式，运行脚本文件是SSD源码里面提供的create_data.sh（具体位置在$CAFFE_ROOT/data/VOC0712/create_data.sh）结果报错： 解决方法： 1.打
阅读全文
摘要：在caffe的参数进行Python解析时，需要对模型的wight和bias的参数进行解析，为了提高结果解析的可读性，需要用numpy将解析的文件进行保存 此时用到np.savetxt方法和np.savenpy方法，而np.savetxt和np.savenpy均默认保存1维或者2维数组，此时需要更改默
阅读全文
摘要：错误原因： 1.计算机没有安装GPU 2.有GPU但是NVCCFLAGS设置错误 解决方法： 1.对没有GPU的计算机，需要将Makefile中的CPU之前的#注释去掉，是的caffe运行的处理器进行更换 2.对于GPU环境的计算机，需要将Makefile中的NVCCFLAGS的设置更改 将：NVC
阅读全文
摘要：在搭建caffe的环境时出现错误： .build_release/src/caffe/proto/caffe.pb.h:23:35: fatal error: google/protobuf/arena.h: 没有那个文件 错误原因，在caffe安装之前安装了annoconda3.6的版本，版本中自
阅读全文
摘要：报错的两种报错原因： 1.输入数的路径错误，需要将路径进行修改排查目录是否出错 2.训练原数据格式不对 3.train.prototxt文件中并未设置test层，而在solver层则设置了test的迭代等参数 两种解决方法 1.对错误原因1，则改为正确路径 2.对错误原因2，修改create_dat
阅读全文
摘要：运用caffe进行深度学习之前需要对图片进行预处理，将图片的大小，格式等进行修改 将300*300的图片改为256*256格式 则将以下参数改为： min_dim=256 max_dim=256 width=256 height=256
阅读全文