caffe相关内容
我跟随tutorial使用OpenCV和深度学习SSD框架从image实现了人脸检测。 modelFile = "./ssd/res10_300x300_ssd_iter_140000.caffemodel" configFile = "./ssd/deploy.prototxt" net = cv2.dnn.readNetFromCaffe(configFile, modelFile) i
..
DLDR如何将cmake指向Boost-python3库？Cmake不会自动检测到它。 我正在尝试使用提供的cmake为Python3.6生成caffe。 我的系统规格： Python 3.6.5，蟒蛇定制(64位) Mac OS 10.13.6 无CUDA 我已使用BREW安装Boost，例如 brew install boost boost-python3
..
我已经使用net = cv2.dnn.readNetFromCaffe(protoFile, weightsFile)，然后使用net.forward()遍历实时视频帧以获得每个帧的输出。 但net.forward()每帧需要7到10秒才能得出结果。请帮助我提高性能(减少net.forward()中的处理时间)。 表示：从第1步到第2步每帧需要7到10秒。 (下面的代码中提到了步
..
我正在训练我的方法。我得到的结果如下。这是一个很好的学习速度吗？如果不是，它是高还是低？ 这是我的结果 lr_policy: "step" gamma: 0.1 stepsize: 10000 power: 0.75 # lr for unnormalized softmax base_lr: 0.001 # high momentum momentum: 0.99 # no gradien
..
我从 Caffe 开始，mnist 示例运行良好. 我将火车和标签数据作为 data.mat.(我有 300 个训练数据，其中 30 个特征和标签是保存在 data.mat 中的 (-1, +1)). 但是，我不太明白如何使用 caffe 来实现自己的数据集? 有没有分步教程可以教我? 非常感谢！！！！任何建议将不胜感激！ 解决方案 我认为将数据从 Matlab 传输到
..
我为 Caffe 编译而苦恼.可惜我编译失败了. 步骤我遵循了: git clone https://github.com/BVLC/caffe.gitcd咖啡mkdir 构建光盘构建制作..做所有 运行 make all 失败并显示以下错误消息: [ 2%] 构建 NVCC(设备)对象 src/caffe/CMakeFiles/cuda_compile.dir/util/cuda_c
..
我正在尝试使用 caffe 来实现 Schroff、Kalenchenko 和 Philbin "FaceNet: A Unified Embedding for人脸识别与聚类"，2015. 我是新手，如何计算反向传播中的梯度? 解决方案 我假设你将损失层定义为 层{名称:“三元组损失"类型:“TripletLoss"底部:“锚"底部:“积极"底部:“负面"...} 现在您需要计
..
我已经搜索了很多地方，但我得到的只是如何安装它，而不是如何验证它是否已安装.我可以验证我的 NVIDIA 驱动程序已安装，并且 CUDA 已安装，但我不知道如何验证 CuDNN 已安装.非常感谢您的帮助，谢谢！ 附言. 这是针对 caffe 实现的.目前，在没有启用 CuDNN 的情况下一切正常. 解决方案 安装 CuDNN 只需要将文件放在 CUDA 目录中.如果您在安装 caf
..
有谁知道是否有所有重要的 pycaffe 命令的备忘单?到目前为止，我仅通过 Matlab 界面和终端 + bash 脚本使用 caffe. 我想转向使用 ipython 并完成 ipython 笔记本示例.但是，我发现很难对 Python 的 caffe 模块中的所有功能进行概述.(我对 python 也很陌生). 解决方案 pycaffe 测试 和这个文件是python编码接口的
..
我将致力于在 Caffe 中实现 DQN 和来自 Google DeepMind 的最新扩展. 为此，我将编写一个模拟器(代替 Atari 模拟器)来为代理创建培训体验. 我的问题是:Caffe 的 Matlab 或 Python 接口中哪个最成熟且运行良好? 为此任务在 Python 和 Matlab 之间进行选择还有其他考虑吗? 应该注意的是，我在 Python 开发方面比
..
我想知道如果我有一个生成底部 blob 的层，该层会被两个后续层进一步消耗，这两个层都会在反向传播阶段生成一些梯度来填充 bottom.diff.两个梯度会加起来形成最终的梯度吗?或者，只有其中一个可以存活?在我的理解中，Caffe 层需要在用一些计算的梯度填充之前将 bottom.diff 设置为全零，对吗?memset 会清除其他层已经计算的梯度吗?谢谢！ 解决方案 使用多个损失层并不
..
我修改了 Caffe MNIST 示例 以对 3 类图片.我注意到的一件事是，如果我将输出层的数量指定为 3，那么我的测试准确度会急剧下降——下降到 40% 的低范围.但是，如果我 +1 并且有 4 个输出层，则结果在 95% 范围内. 我在我的数据集中添加了一个额外的图像类(所以 4 个类)并注意到同样的事情 - 如果输出层的数量与类的数量相同，那么结果是可怕的，如果它是相同的 +1，然后效果
..
我一直在尝试在 中描述的Caffe中实现三元组损失的softmax版本Hoffer 和 Ailon，使用三元组网络的深度度量学习，ICLR 2015. 我已经尝试过这个，但我发现很难计算梯度，因为指数中的 L2 不是平方. 有人可以帮我吗? 解决方案 使用现有的 caffe 层实现 L2 规范可以为您省去所有麻烦. 这是在 caffe 中为“bottom"s x1 和
..
大家，我是咖啡新手.目前，我尝试使用从模型动物园下载的经过训练的 GoogleNet 对一些图像进行分类.然而，网络的输出似乎是一个向量而不是真正的标签(如狗、猫).我在哪里可以找到经过训练的模型(如 googleNet 的输出)与其真实类别标签之间的标签映射?谢谢. 解决方案 如果你从 git 得到 caffe 你应该在 data/ilsvrc12 文件夹中找到一个 shell 脚本 g
..
我想在 caffe 中禁用某些卷积层中的反向计算，我该怎么做? 我使用了 propagate_down 设置，但是发现它适用于 fc 层而不是卷积层. 请帮忙~ 第一次更新:我在 test/pool_proj 层设置了 propagate_down:false.我不希望它向后(但其他层向后).但是从日志文件来看，该层仍然需要向后. 第二次更新:让我们表示一个深度学习模型，从输入
..
我将 sigmoid 交叉熵损失函数用于多标签分类问题，如 本教程.然而，在他们的教程结果和我的结果中，输出预测都在 (-Inf, Inf) 范围内，而 sigmoid 的范围是 [0, 1].sigmoid 是否只在 backprop 中处理?也就是说，前向传递不应该压缩输出吗? 解决方案 在这个例子中，"SigmoidCrossEntropyLoss" 层的输入是一个全连接层的输出.实
..
Caffe 支持 LMDB 数据层和 ImageDataLayer.从某些数据集创建 LMDB 数据库需要一些时间和大量空间.相比之下，ImageDataLayer 只使用一个 txt 文件，非常方便.我的问题是，这两种层之间的速度差异大吗?非常感谢！ 解决方案 LMDB 旨在更快地从给定的键值 获取数据.此外，数据以未压缩的格式存储，这使得机器可以轻松读取数据并将其直接传递给GPU进行处
..
不同的团队使用不同的库来训练和运行神经网络(caffe、torch、theano...).这使得共享变得困难:每个库都有自己的格式来存储网络，并且每次要测试其他团队的工作时都必须安装一个新库. 我正在寻找解决方案以减少繁琐:- 是否有首选(共享?)格式来存储神经网络?- 是否有可以帮助处理不同类型网络/或将一种类型转换为另一种类型的服务或库? 谢谢！ 解决方案 是否有首选(
..
通过将底部和顶部的 blob 设置为相同，我们可以告诉 Caffe 进行“就地"计算以保持内存消耗. 目前我知道我可以安全地使用就地 "BatchNorm"、"Scale" 和 "ReLU" 层(请让我知道我是否错了).虽然其他层似乎有一些问题(这个问题似乎是一个例子). 何时在 Caffe 中使用就地图层? 它如何与反向传播一起工作? 解决方案 正如您所注意到的，就地图层通
..
如何在执行其他处理的同时编写异步数据层来预加载批处理?有没有一些示例代码?谢谢 解决方案 有几种方法可以实现您想要的.我会在这里尝试勾画一个选项. 系统的整体视图是:你有n Loaders 异步加载数据和馈送队列.然后该层从队列中读取 batch_size 项并在 forward() 函数中馈入网络. 导入caffe，多处理类加载器(multiprocessing.Process)
..
