caffe相关内容
我修改了FCN网络并设计了一个新的网络，在该网络中，我使用两个ImageData图层作为输入参数，并希望该网络产生一张图片作为输出。 是 train_val.prototxt 和 deploy.prototxt 原始图片和标签都是灰度图片，尺寸为224 * 224。 我已经训练了caffemodel并使用infer.py来使用caffemodel进行细分，但是遇到错误： F050
..
我正在使用Ubuntu 14.04操作系统的g2.8xlarge EC-2实例上运行启用cuDNN的py-faster-rcnn。一切都已编译，似乎运行良好。我通过以下方式登录到远程实例： ssh -X -i“”“ ubuntu @ 我还输入命令： export DISPLAY =：0 运行 ./ tools / demo.
..
我正在两个不同的DL库（Caffe e Tensorflow）中训练两个CNN（AlexNet e GoogLeNet）。该网络由每个库的开发团队实现（此处和此处） 我将原始Imagenet数据集缩减为1024个1类图像，但设置了1000个类别以在网络上进行分类。 因此，我训练了CNN，使用了不同的处理单元（CPU / GPU）和批次大小，我观察到损失迅速收敛到接近零（通常在完成1个历
..
在Caffe中，有一个选项带有SoftmaxWithLoss函数，可忽略计算概率中的所有负标签（-1），因此只有0或正标签概率加起来为1。 Tensorflow softmax损失有类似的功能吗？ 解决方案 只是想出一种解决方法---我使用tf在标签索引上创建了一个单张量。 one_hot（深度设置为标签数）。 tf.one_hot自动将所得的one_hot张量（形状为[批处理，标签
..
假设我们有一个这样的层： layer { 名称：“完全连接” 类型：“ InnerProduct” 底部：“底部” 顶部：“顶部” inner_product_param { num_output：1 } } 输出为batch_size x1。在几篇论文中（例如，链接1 顶部的第3页图片，或 link2 顶部的第4页）我已经看到他们最终使用了这样的一层来制
..
我可以计算出VGGNet的500 x 500输入图像的接收场大小。 接收场大小如下。 图层名称= conv1，输出大小= 500，步幅= 1，RF大小= 3 图层名称= relu1_1，输出大小= 500，步幅= 1，RF大小= 3 层名称= conv1_2，输出大小= 500，步幅= 1，RF大小= 5 层名= relu1_2，输出大小= 500，步幅= 1，RF大小= 5
..
我正在尝试在gpu上使用pycaffe运行神经网络。 此功能在我第一次调用脚本时有效。 第二次运行相同的脚本时，CUDA在标题中引发错误。 批处理大小为1，此时图像大小为243x322 ，gpu的内存为8gb。 我想我缺少重置内存的命令了？ 谢谢 编辑： 也许我应该澄清一些事情：我正在Windows上运行caffe 。 当我使用python script
..
成功构建caffe之后，我进行了运行测试，但在ImageDataLayer，DBTest，DataTransformTest，HDF5OutputLayerTest和某些求解器中失败了。 构建/链接到特定路径时是否缺少步骤？ 这是失败的测试用例（最后删除一些以减少问题的正文长度： [FAILED] 349个测试，下面列出： [FAILED] NetUpgradeTest.Te
..
我想使用ethereon的出色软件包caffe-tensorflow，遇到了 已解决的问题： 当我运行示例或尝试导入caffepb 我收到错误消息： >> import caffepb 追溯（最近一次调用）： 文件“”，在中的第1行。 文件“ caffepb.py”，第28行，在中 type = None）， 文件“ /hom
..
我正在尝试使用caffe运行一个简单的代码，该代码应该打开 deploy.prototxt ，但无法打开文件并引发此错误 RuntimeError：无法打开文件/home/ebadawy/git/caffemodels/bvlc_reference_caffenet/deploy.prototxt 这是我的代码 将numpy导入为np as plt p
..
当我尝试在ST3中使用python进行构建时，在尝试执行操作时出现导入错误 import caffe 但是当我只是在终端上运行时，键入 $ python >>>导入caffe 它有效。在我的Sublime文本3上，我仍然可以导入其他模块，例如numpy和matplotlib。 这是我发现的Sublime python版本（这是正确的
..
我正在尝试使用caffe为图像实现像素级二进制分类。对于尺寸为3x256x256的每个图像，我都有一个256x256的标签数组，其中每个条目都标记为0或1。此外，当我使用以下代码读取HDF5文件时， dirname =“ examples / hdf5_classification / data” f = h5py.File（os.path.join（dirname，'train.h
..
我正在尝试使用Caffe进行CMake，但是我的系统找不到protobuf编译器。我以前已经安装了protobuf2.7.0。现在我切换回2.6.1。如何配置CMake以识别protobuf2.6.1编译器？ 我已经完成 $ sudo apt-get install libprotobuf-dev protobuf-compiler $ protoc --version li
..
当我尝试使用Caffe和Python（2.7和3.5）从经过预训练的VGG 16/19模型中获取输出时，在net.forward（）步骤（在笔记本电脑的CPU上）上花费了15秒以上。 我想知道是否有人会建议我这样做，就像许多其他模型（例如ResNet，AlexNet）一样，我很快就得到了输出， 我使用的代码如下： img = cv2.imread（路径+ img_name
..
我是咖啡新手。我正在尝试将其安装在macbook pro上以双启动方式运行的Ubuntu 14.04中。我设法使其开始运行，但在笔记本电脑崩溃后不久，出现了同样的错误“ No module named caffe”，我按照字母上的说明进行操作，似乎与opencv有关。编译下面复制的caffe时，出现错误消息。 / usr / bin / ld：找不到-lopencv_imgcodecs co
..
好吧，我之前有一个问题，关于在caffe中使用SPP图层。 这个问题是上一个一个。 使用SPP图层时，我得到以下错误输出。 似乎到达spp层时图像变得太小了？ 我使用的图像很小。宽度范围在10到20像素之间，高度范围在30到35像素之间。 I0719 12：18：22.553256 2114932736 net.cpp ：406] space_pyramid_pooling
..
我正在尝试使用caffe为Custom数据集训练Faster RCNN。我已经承认，考虑输入图像大小为600 * 1000，可以构建Faster RCNN caffe模型。我的自定义数据集中有许多尺寸为300 * 400的图像。我是否需要将图像零填充到最大尺寸为600 * 100或放大？如果两者都不是，则在对图像进行网络输入之前，应该对其进行适当的修改。请提出建议。 谢谢。 解决方案
..
我正在尝试修改caffe模型的权重，该模型是名为Deep Lab的caffe分支的一部分。尽管有关于如何进行网络手术的教程，当我尝试使用自定义caffemodel进行相同操作时，python内核始终死于以下行： ＃原始网络并提取完全连接的图层的参数。 net = caffe.Net（'../ models / deeplab / train.prototxt'， '../models/d
..
现在，我正在训练带有2个类数据的网络...但是在第一次迭代后精度为1！ 输入数据是灰度图像。创建HDF5Data时，将随机选择两个类图像。 为什么会这样？哪里出了问题或哪里出了问题！ network.prototxt： 名称：“ brainMRI” 层{ 名称：“数据” 类型：“ HDF5Data” 顶部：“数据” 顶部：“标签” 包括：{ 阶段：火车 } h
..
如果我在网络中定义了多个损耗层，那么从网络的两端到网络的起始端会发生多个反向传播吗？我的意思是，它们甚至可以那样工作吗？ 假设我有这样的东西： Layer1 { } Layer2 { } ... Layer_n { } Layer_cls1 { bottom：layer_n top：cls1 } Layer_cls_loss1 { type：some_l
..
