caffe相关内容

Caffe Train/Test的净输出是什么意思?

在Caffe中训练时，每次迭代都有训练和测试净输出.我知道这就是损失.但是，这是我的批次中的平均损失还是总损失?对分类和回归而言是否一样? 例如，如果我要批处理100个训练示例，而那次迭代的损失是100，那是否意味着每个示例的平均损失是1? 解决方案 火车损失是上一次训练批次的平均损失.这意味着，如果您的微型批次中有100个训练示例，而您在该迭代中的损失为100，则每个示例的平均损失 ..

发布时间：2020-05-04 10:03:34 machine-learning neural-network caffe AI人工智能

在Caffe中编写具有可学习参数的自定义Python层

我知道此示例应该说明如何使用add_blob()方法在 Python层中添加可训练的参数. 但是，我仍然无法理解如何将其用于基于用户定义的参数设置Blob的尺寸. 这里有一个关于如何编写Python图层的更好的示例 请说明如何编写具有可训练参数的自定义Python层. 解决方案 使用add_blob()添加参数blob时，可以reshape添加的blob，可以使用setup( ..

发布时间：2020-05-04 10:03:06 machine-learning neural-network deep-learning caffe AI人工智能

在caffe prototxt文件中. TRAIN和TEST阶段做什么?

我是咖啡新手.谢谢你们！ 在 https://github.com/BVLC中/caffe/blob/master/src/caffe/proto/caffe.proto 我看到1个未注释的枚举可变阶段.它有2个选项TRAIN和TEST. enum Phase { TRAIN = 0; TEST = 1; } 它们是如何工作的?我最近看到一个模型也具有这两个阶段. ..

发布时间：2020-05-04 10:02:14 machine-learning neural-network computer-vision deep-learning caffe AI人工智能

不同的学习率会影响Batchnorm设置.为什么?

我正在使用BatchNorm层.我知道设置use_global_stats的含义，通常将false设置为训练，将true设置为测试/部署.这是我在测试阶段的设置. layer { name: "bnorm1" type: "BatchNorm" bottom: "conv1" top: "bnorm1" batch_norm_param { use_global_ ..

发布时间：2020-05-04 10:01:59 machine-learning neural-network deep-learning caffe AI人工智能

caffe中预训练的imagenet模型的对象类别

我正在使用caffe(CNN)库('bvlc_reference_caffenet.caffemodel')所提供的预训练图像网络模型.使用此模型，我可以为任何图像输出一个1000的物体分数的暗淡矢量. 但是我不知道实际的对象类别是什么.有人找到了列出相应对象类别的文件吗? 解决方案 您应该查找文件'synset_words.txt'，它有1000行，每行提供了一个不同类的描述. ..

发布时间：2020-05-04 10:00:12 machine-learning neural-network deep-learning caffe matcaffe AI人工智能

RMSprop，Adam，AdaDelta使用Caffe不会提高测试精度

我正在finetuning在Tesla K40上的图像数据集上使用Caffe.使用batch size=47，solver_type=SGD，base_lr=0.001，lr_policy="step"，momentum=0.9，gamma=0.1，在100迭代中training loss会减小，而test accuracy从2%-50%开始，这是相当不错的. 当使用其他优化器(例如RMSP ..

发布时间：2020-05-04 09:59:22 machine-learning computer-vision deep-learning caffe pycaffe AI人工智能

Caffe未知的底部Blob

我正在使用caffe框架，我想训练下一个网络: 当我执行下一条命令时: 咖啡训练--solver resolver.prototxt 它引发的错误: `F0802 14:31:54.506695 28038 insert_splits.cpp:29] Unknown bottom blob 'image' (layer 'conv1', bottom index 0) ** ..

发布时间：2020-05-04 09:56:06 machine-learning neural-network deep-learning caffe AI人工智能

训练网络时，Caffe在验证阶段的测试准确性是恒定的

我想知道为什么我的测试精度始终保持为0.5的恒定值.我使用CaffeNet网络时，仅更改了配置 num_output:2 的完全连接层的参数. 我的训练集包含1000个阳性和1000个阴性示例，而我的验证集也包含1000个阳性和1000个阴性示例.数据集包含人物图像(全身RGB彩色).我已经在数据层中定义了平均文件和小数位值.我的网络经过训练可以学习一个人或不一个人(二进制分类器). ..

发布时间：2020-05-04 09:55:22 machine-learning caffe training-data AI人工智能

Caffe重塑层可以移调吗

Caffe已实现reshape层，但我想先将(1, n, k, p)的blob整形为(1, a, b, k, p)，其中n= a*b然后将其转置为形状(1, b, a, k, p)，如何实现此操作，我知道我可以编写一个单独的python层，并使用numpy.reshape和numpy.transpose来完成所有这些操作，但这不是很有效，是吗? 解决方案 transpose和reshape ..

发布时间：2020-05-04 09:54:40 machine-learning neural-network computer-vision deep-learning caffe AI人工智能

Caffe常数乘法层

如何在Caffe中定义乘常数层(如Torch中的MulConstant).我需要将其预定义的const添加到现有网络中. Caffe无法解析我将所有内容缩放0.85的尝试: layers { name: "caffe.ConstantMul_0" type: "Eltwise" bottom: "caffe.SpatialConvolution_0" top: "caffe. ..

发布时间：2020-05-04 09:54:00 machine-learning caffe AI人工智能

他们如何计算Caffe中这个convnet示例的输出量?

在此教程中，输出量在输出[25]中说明，接受区域在输出[26]中指定. 好吧，输入体积[3, 227, 227]与大小为[3, 11, 11]的区域卷积. 使用此公式 (W−F+2P)/S+1 ，其中: W =输入音量大小 F =接收域大小 P =填充 S =步幅 ...结果为(227 - 11)/4 + 1 = 55，即 [55 * 55 * 96] .到目前为止一切都 ..

发布时间：2020-05-04 09:52:42 machine-learning neural-network convolution deep-learning caffe AI人工智能

在caffe中定义新层时如何获得学习率或迭代时间

当迭代次数达到一定次数时，我想更改损耗层中的损耗计算方法. 为了实现这一点，我认为我需要获得当前的学习率或迭代次数，然后使用if短语来选择是否更改损耗计算方法. 解决方案 您可以在 Caffe类中添加成员变量以保存当前的学习率或迭代时间，并在您所在的图层中进行访问想要. 例如，要获得您想要的当前迭代时间，您需要进行3个关键修改(为简化起见): 在 common.hpp 中: ..

发布时间：2020-05-04 09:49:04 machine-learning neural-network deep-learning caffe AI人工智能

大图像的语义分割

我正在处理数量有限的大尺寸图像，每个图像都可以具有3072*3072像素.为了使用FCN或U-net训练语义分割模型，我构造了大量的训练集样本，每个训练图像均为128*128. 在预测阶段，我要做的是将大图像切成小块，与128*128的训练集相同，然后将这些小块输入训练过的模型中，得到预测的蒙版.然后，我将这些小补丁缝在一起，以得到整个图像的蒙版.这是对大图像执行语义分割的正确机制吗? ..

发布时间：2020-05-04 09:41:38 machine-learning tensorflow computer-vision deep-learning caffe AI人工智能

PyCaffe中定义的图层模块在哪里

我正在修改 Caffe教程来实现神经网络，但是我正在努力确定一些pycaffe模块的位置，以便查看某些功能定义. 例如，本教程提到: import caffe from caffe import layers a L, params as P .... L.Convolution(bottom, kernel_size=ks, stride=stride, num_output=nou ..

发布时间：2020-05-04 09:37:11 python machine-learning neural-network deep-learning caffe AI人工智能

在Caffe中测试回归网络

我正在尝试使用Alexnet计数图像中的对象. 我目前的图像中每个图像包含1、2、3或4个对象.对于初始检查，我每个班级有10张图像.例如，在训练集中，我有: image label image1 1 image2 1 image3 1 ... image39 4 image40 4 我使用imagenet创建脚本为此数据集创建了一个lmdb文件.这成功地将我的一组图像转换 ..

发布时间：2020-05-04 09:21:58 machine-learning neural-network regression caffe conv-neural-network AI人工智能

未知的底部Blob“数据"(图层"conv1"，底部索引0)

尝试在我自己的数据集上训练LeNet.我从长的一维矢量数据集中生成了HDF5文件，并按如下所示创建了HDF5数据层:我对顶部Blob的命名与生成HDF5时的命名相同. name: "Test_net" layer { name: "data" type: "HDF5Data" top: "Inputdata" top: "label" hdf5_data_param { ..

发布时间：2020-05-04 09:20:56 machine-learning neural-network deep-learning caffe AI人工智能

caffe模型中的作物大小错误

我正在尝试训练caffe模型.出现此错误 I0806 09:41:02.010442 2992 sgd_solver.cpp:105] Iteration 360, lr = 9.76e- 05 F0806 09:41:20.544955 2998 data_transformer.cpp:168] Check failed: height ..

发布时间：2020-05-04 09:19:46 python machine-learning neural-network deep-learning caffe AI人工智能

检查失败:mdb_status == 0(2与0)没有这样的文件或目录

我在训练数据时收到以下错误.我已经尝试了Internet上提供的所有解决方案，但似乎没有任何工作对我有用.我检查了路径，并且lmdb文件的大小不为零.但是问题仍然存在.我不知道如何解决这个问题. pooling_ I0411 12:42:53.114141 21769 layer_factory.hpp:77] Creating layer data I0411 12:42:53.11458 ..

发布时间：2020-05-04 09:19:33 machine-learning computer-vision deep-learning caffe lmdb AI人工智能

Caffe:如果两个反向支撑渐变到同一底部Blob，将会发生什么?

我想知道如果我有一个生成底部斑点的层，该斑点会被随后的两个后续层进一步消耗，这两个层都会在向后传播阶段生成一些渐变以填充bottom.diff.是否将两个梯度加起来形成最终的梯度?还是只有其中一个可以生存?以我的理解，Caffe层需要先将bottom.diff设置为全零，然后再填充一些计算出的渐变，对吗? memset会否清除另一层已经计算出的渐变?谢谢！ 解决方案 使用一个以上的损失层并 ..

发布时间：2020-05-04 09:19:31 machine-learning neural-network deep-learning caffe gradient-descent AI人工智能

如何防止Caffe中特定图层的向后计算

我想在caffe的某些卷积层中禁用向后计算，该怎么做? 我使用了propagate_down设置，但是发现它适用于fc层但不适用于卷积层. 请帮助〜 首次更新:我在 test/pool_proj 层中设置了 propagate_down:false .我不希望它向后(但其他层向后).但是从日志文件中说，该层仍然需要向后移动. 第二次更新:让我们表示一个深度学习模型，从输入层到输 ..

发布时间：2020-05-04 09:15:35 machine-learning neural-network deep-learning caffe AI人工智能