Fork me on GitHub

随笔分类 -  Caffe

摘要:高度可扩展、可编程的计算机视觉和人工智能处理器 芯原Vivante的神经网络处理器 (NPU) IP是高度可扩展、可编程的计算机视觉和人工智能处理器,支持终端、边缘端及云端设备的人工智能运算升级。Vivante NPU IP可满足多种芯片尺寸和功耗预算,是具成本效益的优质神经网络加速引擎解决方案。 阅读全文
posted @ 2023-05-05 16:21 stardsd 阅读(387) 评论(0) 推荐(0) 编辑
摘要:N: batch; C: channel H: height W: width Caffe 的Blob通道顺序是:NCHW; Tensorflow的tensor通道顺序:默认是NHWC, 也支持NCHW,使用cuDNN会更快; Pytorch中tensor的通道顺序:NCHW TensorRT中的t 阅读全文
posted @ 2021-02-25 15:16 stardsd 阅读(2576) 评论(0) 推荐(0) 编辑
摘要:Deepo is a series of Docker images that allows you to quickly set up your deep learning research environment supports almost all commonly used deep le 阅读全文
posted @ 2019-07-01 20:02 stardsd 阅读(425) 评论(0) 推荐(0) 编辑
摘要:1.编译时候出现 make: * [.build_release/examples/siamese/convert_mnist_siamese_data.bin] Error 1 /usr/local/lib/libopencv_imgcodecs.so: undefined reference t 阅读全文
posted @ 2019-03-29 17:08 stardsd 阅读(4119) 评论(0) 推荐(0) 编辑
摘要:1 对Blob的理解及其操作: Blob是一个四维的数组。维度从高到低分别是: (num_,channels_,height_,width_) 对于图像数据来说就是:图片个数,彩色通道个数,宽,高 Blob中数据是row-major存储的,W是变化最快的维度,例如在(n, k, h, w)处的数据, 阅读全文
posted @ 2019-03-28 10:47 stardsd 阅读(2329) 评论(0) 推荐(0) 编辑
摘要:版权声明:博主原创文章,微信公众号:素质云笔记,转载请注明来源“素质云博客”,谢谢合作!! https://blog.csdn.net/sinat_26917383/article/details/54141697 本文部分内容来源于CDA深度学习实战课堂,由唐宇迪老师授课 如果你企图用CPU来训练 阅读全文
posted @ 2019-03-08 18:02 stardsd 阅读(2500) 评论(0) 推荐(0) 编辑
摘要:nvidia-smi命令输出如下: 解释: 第一栏的Fan:N/A是风扇转速,从0到100%之间变动,这个速度是计算机期望的风扇转速,实际情况下如果风扇堵转,可能打不到显示的转速。有的设备不会返回转速,因为它不依赖风扇冷却而是通过其他外设保持低温(比如我们实验室的服务器是常年放在空调房间里的)。 第 阅读全文
posted @ 2019-03-06 14:39 stardsd 阅读(8117) 评论(0) 推荐(0) 编辑
摘要:LMDB is the database of choice when using Caffe with large datasets. This is a tutorial of how to create an LMDB database from Python. First, let’s lo 阅读全文
posted @ 2019-03-06 10:47 stardsd 阅读(2051) 评论(0) 推荐(0) 编辑
摘要:要运行高版本的GPU版TensorFlow,需要更新宿主机的显卡驱动(本文以NVIDIA390为例) 一、更新驱动 卸载已有驱动 sudo apt-get remove --purge nvidia* 二、报错: 说是驱动有问题,第一个想到的就是因为将早先的 nvidia-384 驱动更新到了 nv 阅读全文
posted @ 2019-03-02 21:36 stardsd 阅读(17625) 评论(0) 推荐(0) 编辑
摘要:本文参考博文 (1)介绍 *_train_test.prototxt文件与 *_deploy.prototxt文件的不同:http://blog.csdn.net/sunshine_in_moon/article/details/49472901 (2)生成deploy文件的Python代码:htt 阅读全文
posted @ 2019-02-23 09:52 stardsd 阅读(900) 评论(0) 推荐(0) 编辑
摘要:Train阶段: (1) train.sh中的solver.prototxt路径 (2) train.sh中的caffemodel路径 (3) train.sh中的日志名称 (4) solver.prototxt中的net名称(也就是train.prototxt路径) (5) solver.prot 阅读全文
posted @ 2019-02-23 08:59 stardsd 阅读(316) 评论(0) 推荐(0) 编辑
摘要:caffe solver通过协调网络前向推理和反向梯度传播来进行模型优化,并通过权重参数更新来改善网络损失求解最优算法,而solver学习的任务被划分为:监督优化和参数更新,生成损失并计算梯度。caffe solver是caffe中的核心,它定义着整个模型如何运转,不管是命令行方式还是pycaffe 阅读全文
posted @ 2019-02-22 20:25 stardsd 阅读(2682) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/ThomasCai001/article/details/53940430 https://blog.csdn.net/ThomasCai001/article/details/53940430 https://blog.csdn.net/ThomasCa 阅读全文
posted @ 2019-02-12 16:24 stardsd 阅读(1253) 评论(0) 推荐(0) 编辑
摘要:https://blog.csdn.net/u010417185/article/details/52649178 https://blog.csdn.net/u010417185/article/details/52649178 https://blog.csdn.net/u010417185/a 阅读全文
posted @ 2019-01-30 21:22 stardsd 阅读(838) 评论(0) 推荐(0) 编辑
摘要:caffe finetune两种修改网络结构prototxt方法 caffe finetune两种修改网络结构prototxt方法 caffe finetune两种修改网络结构prototxt方法 caffe finetune两种修改网络结构prototxt方法 第一种方法:将原来的prototxt 阅读全文
posted @ 2019-01-30 21:19 stardsd 阅读(1053) 评论(0) 推荐(0) 编辑
摘要:原文https://blog.csdn.net/u011070171/article/details/75425740 原文https://blog.csdn.net/u011070171/article/details/75425740 原文https://blog.csdn.net/u01107 阅读全文
posted @ 2019-01-30 20:57 stardsd 阅读(814) 评论(0) 推荐(0) 编辑
摘要:l 定义一个消息(message)类型 l 标量值类型 l Optional 的字段及默认值 l 枚举 l 使用其他消息类型 l 嵌套类型 l 更新一个消息类型 l 扩展 l 包(package) l 定义服务(service) l 选项(option) l 生成访问类 本指南描述了怎样使用prot 阅读全文
posted @ 2019-01-07 21:41 stardsd 阅读(454) 评论(0) 推荐(0) 编辑
摘要:问题描述在windows平台上,本地训练SSD_512得到了对应的权值参数文件,加载模型进行前向测试的时候,发现调用caffe.io.Transformer中的resize处理函数速度太慢,打算用opencv的resize做替换,因此更改了输入图片到模型中的预处理过程,使用caffe.io.Tran 阅读全文
posted @ 2019-01-05 16:12 stardsd 阅读(1558) 评论(0) 推荐(0) 编辑
摘要:Step 1 使用训练好的模型检测图片: build/examples/ssd/ssd_detect.bin models/VGGNet/VOC0712/SSD_300x300/deploy.prototxt /home/daisida/ssd/models/VGGNet/VOC0712/SSD_3 阅读全文
posted @ 2019-01-04 17:20 stardsd 阅读(607) 评论(0) 推荐(0) 编辑
摘要:之前用deploy.prototxt 还原train_val.prototxt过程中,遇到了坑,所以打算总结一下 本人以熟悉的LeNet网络结构为例子 不同点主要在一前一后,相同点都在中间 train_val.prototxt 中的开头 看这个名字也知道,里面定义的是训练和验证时候的网络,所以在开始 阅读全文
posted @ 2019-01-04 17:06 stardsd 阅读(947) 评论(0) 推荐(0) 编辑