caffe相关内容
创建数据集以使用 Caffe 进行训练,我都尝试使用HDF5和LMDB.但是,创建LMDB非常慢,甚至比HDF5还慢.我正在尝试编写约20,000张图片. 我做错什么了吗?有我不知道的东西吗? 这是我创建LMDB的代码: DB_KEY_FORMAT = "{:0>10d}" db = lmdb.open(path, map_size=int(1e12)) curr_idx
..
我已经使用caffe提取了特征,caffe会生成一个.mdb文件. 然后,我尝试使用Python读取它并将其显示为可读数字. import lmdb lmdb_env = lmdb.open('caffefeat') lmdb_txn = lmdb_env.begin() lmdb_cursor = lmdb_txn.cursor() for key, value in lmdb_cur
..
我有2组图像补丁数据,即训练和测试集.这两个都已写入LMDB文件.我正在使用Caffe在此数据上运行卷积神经网络. 问题在于存储在硬盘上的数据占用了大量空间,并且妨碍了我通过故意添加噪声来引入更多训练数据以使我的模型更健壮的工作. 有没有一种方法可以将程序中的图像补丁直接发送到CNN(在Caffe中)而无需将其存储在LMDB中?我目前正在使用python从图像中为训练数据集生成补丁.
..
我想知道在使用多GPU训练时,通过同步批处理统计信息来实现批处理规范化层的可能方法。 Caffe 也许有一些Caffe变体可以做到,例如链接。但是对于BN层,我的理解是它仍然仅同步层的输出,而不同步均值和变量。也许MPI可以同步均值和变量,但我认为MPI有点难以实现。 火炬我已经看到了一些评论此处和此处,其中显示running_mean和running_var可以同步,但是我认为批均值
..
我想运行 Deconvnet 我的数据,但是似乎它是为 caffe 的另一个版本编写的。有人知道如何更改 batch_params 吗? 在Deconvnet中的那个 layers {底部:'conv1_1'顶部:'conv1_1'名称:'bn1_1'类型:BN bn_param {scale_filler {类型:“常量”值:1} shift_filler {类型:“常量”
..
我正在尝试将 caffe (为Linux开发)的源代码移植到Windows环境.问题出在signal_handler.cpp和signal_handler.h的sigaction结构上.源代码如下所示. 我的查询是可以执行哪些库或代码替换来使此sigaction在Windows中工作. ///头文件 #ifndef INCLUDE_CAFFE_UTIL_SIGNAL_HANDLER_H
..
为什么TensorFlow选择偏向于右下角的填充? 使用SAME填充,对我来说,在第一个实像素处启动内核的中心锚点是合乎逻辑的.由于使用了非对称填充,因此与其他一些框架存在差异.我确实了解不对称填充原则上是好的,因为否则会留下未使用的填充行/列. 如果TensorFlow优先考虑左侧和顶部的填充,它将进行与Caffe/cudnn/$frameworks相同的卷积和权重,并且无论填充如何
..
背景: 我希望同时使用 Caffe 和但是,对于特定的项目,我要求Caffe使用OpenCV 3而不是OpenCV 2.4,默认情况下,Digits将安装它.该项目使用Digits外部的Caffe,并且不使用Digits框架. 看来,通过安装Digits,我的OpenCV 3安装被OpenCV 2.4所“破坏"了,这现在在我原来的Caffe安装中引起了问题. 为使事情更清楚,下面
..
我目前正在尝试使用Nvidia DIGITS在自定义数据集上训练CNN以进行对象检测,最终我想在Nvidia Jetson TX2上运行该网络.我按照推荐的说明从Docker下载了DIGITS映像,并且我能够以合理的精度成功训练网络.但是当我尝试使用OpenCv在python中运行网络时,出现此错误, “错误:(-215)pbBlob.raw_data_type()==功能中的caffe :
..
我正在按照本教程使用OpenCV和深度学习进行面部检测,以使用OpenCV3,Caffe和Python3创建和面部检测软件. 这是使用的代码: # USAGE # python detect_faces.py --image rooster.jpg --prototxt deploy.prototxt.txt --model res10_300x300_ssd_iter_14
..
我使用DIGITS(NVCaffe)训练了模型,并在opencv中使用它,类似于使用.prototxt& .caffemodel,我对其进行了测试并正常工作. 但是,当我使用按数字训练的模型时,出现此错误: OpenCV Error: Assertion failed (pbBlob.raw_data_type() == caffe::FLOAT16) in blobFromProto,
..
我正在尝试在Ubuntu 14.04计算机上使用python接口编译caffe. 我已经用conda install opencv安装了Anaconda和opencv.我还安装了咖啡中规定的所有要求,并更改了makefile.config中的注释框,以便PYTHON_LIB和PYTHON_INCLUDE指向Anaconda发行版. 当我呼叫make all时,将发出以下命令: g
..
我正在使用opencv从相机上修剪脸部.然后,我使用Caffe来预测图像是属于男性还是女性.我有一个从静态图像加载图像的原始代码.但是,我想使用相机中的图像.这是caffe中的原始代码 model = caffe.Classifier(...) image_path = './static_image.jpg' input_image = caffe.io.load_
..
我已经安装了CUDA 9.1+cudnn-9.1+opencv 3.4.0+caffe. 当我尝试在caffe目录中运行make all -j8时,发生此错误: nvcc致命:不支持的GPU架构'compute_20' 我尝试运行: "cmake -D CMAKE_BUILD_TYPE=RELEASE -D CUDA_GENERATION=Kepler .." 但是没
..
因此,我已经使用python 2.7安装了anaconda并安装了Caffe库的所有要求.我确保通过以下方式安装opencv import cv2 并检查我是否可以运行文档中的几个示例. 现在我下载caffe,正确配置makefile.config并运行make all.我收到一个很奇怪的错误: make CXX/LD -o .build_release/tools/upgr
..
我将禁用cpu的状态改为caffe,然后 cp caffe/build/Makefile openpose/Makefile.conf 运行 make all -j 6 忘记这些错误: -- Generating done -- Build files have been written to: /path/to/caffe/build CXX/LD -o ._rele
..
我有两个60 x 80921矩阵,一个矩阵填充数据,一个参考矩阵. 我想将值作为键/值对存储在两个不同的LMDB中,一个用于训练(例如,我将围绕60000列标记进行切片),另一个用于测试.这是我的主意;它行得通吗? X_train = X[:,:60000] Y_train = Y[:,:60000] X_test = X[:,60000:] Y_test = Y[:,60000:] X
..
我的数据集是一个HDF5文件,由形状为[129028,1,12,1024]的data和形状为[129028,1,1,1]的label组成. 但是,当我运行Solver.prototxt时,出现错误消息: I0413 08:54:34.689985 17769 hdf5.cpp:32] Datatype class: H5T_FLOAT F0413 08:54:40.661201 17769
..
每个人,当我测试 ssd_pascal_video.py 在Windows中,出现以下错误: E:\caffe-ssd-microsoft\Build\x64\Release\pycaffe>python E:\caffe-ssd-microsoft\examples\ssd\ssd_pascal_webcam.py --cpu Traceback (most recent ca
..
我需要对caffe中矩阵的所有元素求和, 但是我注意到,cblas函数('math_functions.hpp'和'math_functions.cpp')的caffe包装器使用 cblas_sasum 函数作为 caffe_cpu_asum 计算向量中元素的绝对值之和. 由于我是cblas的新手,所以我试图找到一个合适的函数来摆脱 absolute ,但是似乎cblas中没有该属性的
..