学习笔记：AlexNet&Imagenet学习笔记

学习笔记：AlexNet&Imagenet学习笔记

ImageNet(http://www.image-net.org)是李菲菲组的图像库，和WordNet 可以结合使用 （毕业于Caltech；导师：Pietro Perona；主页：http://vision.stanford.edu/~feifeili/） 总共有十万的synset， 其中2010的数据表示，有图像的非空synset是21841，每一类大约1000张图片，图片总数：14197122。

Caffe中训练ImageNet使用的是Alex Krizhevsky的方法（AlexNet），这个有60million参数的模型(简称为AlexNet)，在ILSVRC 2012中赢得了第一名,Top5错误率15.3%。

2013年，Clarifai通过cnn模型可视化技术调整网络架构，赢得了ILSVRC （http://www.clarifai.com/     看八卦 可以看zhihu.com   Filestorm：的一段闲聊： http://zhuanlan.zhihu.com/cvprnet/19821292）。

2014年，google也加入进来，它通过增加模型的层数（总共22层），并且利用multi-scale data training，取得第一名，Top5错误率 6.66%。Google的模型大大增加的网络的深度，并且去掉了最顶层的全连接层：因为全连接层（Fully Connected）几乎占据了CNN大概90%的参数，但是同时又可能带来过拟合（overfitting）的效果。它的模型比以前AlexNet的模型大大缩小，并且减轻了过拟合带来的副作用。Alex模型参数是60M，GoogLeNet只有7M。

 

2015年，百度用Deep Image,Top5错误率达到5.98% ,它基于GPU，利用36个服务节点开发了一个专为深度学习运算的supercompter(名叫Minwa，敏娲)。这台supercomputer具备TB级的host memory，超强的数据交换能力，训练了一个有100billion参数的巨大的深层神经网络。 （这一系统包含 36 个服务器节点，每一服务器节点配备了 2 颗六核英特尔至强 E5-2620 处理器。每个服务器包含 4 颗英伟达 Tesla K40m GPU，以及 1 个 FDR InfiniBand（速度为 56GB/S）。这带来了高性能、低延时的连接，以及对 RDMA 的支持。每一颗 GPU 的最高浮点运算性能为每秒 4.29 万亿次浮点运算，而每一颗 GPU 也配备了 12GB 的内存。整体来看，Minwa 内置了 6.9TB 的主内存、1.7TB 的设备内存，而理论上的最高性能约为 0.6 千万亿次浮点运算。凭借如此强大的系统，研究人员可以使用与其他深度学习项目不同，或者说更好的训练数据。因此，百度没有使用常见的 256x256 像素图片，而是使用了 512x512 像素图片，并且可以给这些图片添加各种特效，例如色彩调整、增加光晕，以及透镜扭曲等。这样做的目的是使系统学习更多尺寸更小的对象，并在各种环境下识别 对象。）

AlexNet整个模型比起之前我们看到的Cifar10 和LeNet模型相对来说复杂一些， 训练时间是在两台GTX 580 3GB GPUs上进行了5-6天的训练，其中用到了Hinton的改进方法（在全连接层加入ReLU+Dropout）, 对于这个模型，我们首先认定一个完整的卷积层可能包括一层convolution，一层Rectified Linear Units，一层max-pooling，一层normalization。则整个网络结构包括五层卷积层和三层全连接层，网络的最前端是输入图片的原始像素点，最后端是图片的分类结果。

学习笔记：AlexNet&Imagenet学习笔记_第1张图片

学习笔记：AlexNet&Imagenet学习笔记_第2张图片

对于每一层网络，具体的网络参数配置如下图所示。InputLayer就是输入图片层，每个输入图片都将被缩放成227*227大小，分rgb三个颜色维度输入。Layer1~ Layer5是卷积层，以Layer1为例，卷积滤波器的大小是11*11，卷积步幅为4，本层共有96个卷积滤波器，本层的输出则是96个55*55大小的图片。在Layer1，卷积滤波后，还接有ReLUs操作和max-pooling操作。Layer6~ Layer8是全连接层，相当于在五层卷积层的基础上再加上一个三层的全连接神经网络分类器。以Layer6为例，本层的神经元个数为4096个。Layer8的神经元个数为1000个，相当于训练目标的1000个图片类别。

下面的图来自sunbaigui的 博文  http://blog.csdn.net/sunbaigui/article/details/39938097

流程是一致的，不过对于每个值的计算过程 有点不一样。

 conv1阶段DFD（data flow diagram）：

学习笔记：AlexNet&Imagenet学习笔记_第3张图片

2. conv2阶段DFD（data flow diagram）：

学习笔记：AlexNet&Imagenet学习笔记_第4张图片

3. conv3阶段DFD（data flow diagram）：

4. conv4阶段DFD（data flow diagram）：

5. conv5阶段DFD（data flow diagram）：

学习笔记：AlexNet&Imagenet学习笔记_第5张图片

6. fc6阶段DFD（data flow diagram）：

学习笔记：AlexNet&Imagenet学习笔记_第6张图片

7. fc7阶段DFD（data flow diagram）：

学习笔记：AlexNet&Imagenet学习笔记_第7张图片

8. fc8阶段DFD（data flow diagram）：

学习笔记：AlexNet&Imagenet学习笔记_第8张图片

 

 

然后我调用训练好的模型

MODEL_FILE = '../models/bvlc_reference_caffenet/deploy.prototxt'
PRETRAINED = '../models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'

获取到预测结果，然后再标签里查找到对应的分类

imagenet_label = caffe_root + 'data/ilsvrc12/synset_words.txt'

输入一张猫的图片

学习笔记：AlexNet&Imagenet学习笔记_第9张图片


输出前五个分类

['n02123045 tabby, tabby cat' 'n02127052 lynx, catamount'
 'n02124075 Egyptian cat' 'n07930864 cup' 'n02123159 tiger cat']
[281 287 285 968 282]

[html]  view plain copy 在CODE上查看代码片
 
  1. input: "data"  
  2. input_dim: 10  
  3. input_dim: 3  
  4. input_dim: 227  
  5. input_dim: 227  
  6. I0318 02:36:31.173322 15756 net.cpp:358] Input 0 -> data  
  7. I0318 02:36:31.173369 15756 net.cpp:56] Memory required for data: 0  
  8. I0318 02:36:31.173436 15756 net.cpp:67] Creating Layer conv1  
  9. I0318 02:36:31.173446 15756 net.cpp:394] conv1 <- data  
  10. I0318 02:36:31.173463 15756 net.cpp:356] conv1 -> conv1  
  11. I0318 02:36:31.173481 15756 net.cpp:96] Setting up conv1  
  12. I0318 02:36:31.173616 15756 net.cpp:103] Top shape: 10 96 55 55 (2904000)  
  13. I0318 02:36:31.173624 15756 net.cpp:113] Memory required for data: 11616000  
  14. I0318 02:36:31.173655 15756 net.cpp:67] Creating Layer relu1  
  15. I0318 02:36:31.173665 15756 net.cpp:394] relu1 <- conv1  
  16. I0318 02:36:31.173679 15756 net.cpp:345] relu1 -> conv1 (in-place)  
  17. I0318 02:36:31.173691 15756 net.cpp:96] Setting up relu1  
  18. I0318 02:36:31.173697 15756 net.cpp:103] Top shape: 10 96 55 55 (2904000)  
  19. I0318 02:36:31.173702 15756 net.cpp:113] Memory required for data: 23232000  
  20. I0318 02:36:31.173715 15756 net.cpp:67] Creating Layer pool1  
  21. I0318 02:36:31.173722 15756 net.cpp:394] pool1 <- conv1  
  22. I0318 02:36:31.173737 15756 net.cpp:356] pool1 -> pool1  
  23. I0318 02:36:31.173750 15756 net.cpp:96] Setting up pool1  
  24. I0318 02:36:31.173763 15756 net.cpp:103] Top shape: 10 96 27 27 (699840)  
  25. I0318 02:36:31.173768 15756 net.cpp:113] Memory required for data: 26031360  
  26. I0318 02:36:31.173780 15756 net.cpp:67] Creating Layer norm1  
  27. I0318 02:36:31.173787 15756 net.cpp:394] norm1 <- pool1  
  28. I0318 02:36:31.173800 15756 net.cpp:356] norm1 -> norm1  
  29. I0318 02:36:31.173811 15756 net.cpp:96] Setting up norm1  
  30. I0318 02:36:31.173820 15756 net.cpp:103] Top shape: 10 96 27 27 (699840)  
  31. I0318 02:36:31.173825 15756 net.cpp:113] Memory required for data: 28830720  
  32. I0318 02:36:31.173837 15756 net.cpp:67] Creating Layer conv2  
  33. I0318 02:36:31.173845 15756 net.cpp:394] conv2 <- norm1  
  34. I0318 02:36:31.173858 15756 net.cpp:356] conv2 -> conv2  
  35. I0318 02:36:31.173872 15756 net.cpp:96] Setting up conv2  
  36. I0318 02:36:31.174792 15756 net.cpp:103] Top shape: 10 256 27 27 (1866240)  
  37. I0318 02:36:31.174799 15756 net.cpp:113] Memory required for data: 36295680  
  38. I0318 02:36:31.174818 15756 net.cpp:67] Creating Layer relu2  
  39. I0318 02:36:31.174826 15756 net.cpp:394] relu2 <- conv2  
  40. I0318 02:36:31.174839 15756 net.cpp:345] relu2 -> conv2 (in-place)  
  41. I0318 02:36:31.174849 15756 net.cpp:96] Setting up relu2  
  42. I0318 02:36:31.174856 15756 net.cpp:103] Top shape: 10 256 27 27 (1866240)  
  43. I0318 02:36:31.174860 15756 net.cpp:113] Memory required for data: 43760640  
  44. I0318 02:36:31.174870 15756 net.cpp:67] Creating Layer pool2  
  45. I0318 02:36:31.174876 15756 net.cpp:394] pool2 <- conv2  
  46. I0318 02:36:31.174890 15756 net.cpp:356] pool2 -> pool2  
  47. I0318 02:36:31.174902 15756 net.cpp:96] Setting up pool2  
  48. I0318 02:36:31.174912 15756 net.cpp:103] Top shape: 10 256 13 13 (432640)  
  49. I0318 02:36:31.174917 15756 net.cpp:113] Memory required for data: 45491200  
  50. I0318 02:36:31.174927 15756 net.cpp:67] Creating Layer norm2  
  51. I0318 02:36:31.174933 15756 net.cpp:394] norm2 <- pool2  
  52. I0318 02:36:31.174947 15756 net.cpp:356] norm2 -> norm2  
  53. I0318 02:36:31.174957 15756 net.cpp:96] Setting up norm2  
  54. I0318 02:36:31.174967 15756 net.cpp:103] Top shape: 10 256 13 13 (432640)  
  55. I0318 02:36:31.174970 15756 net.cpp:113] Memory required for data: 47221760  
  56. I0318 02:36:31.174983 15756 net.cpp:67] Creating Layer conv3  
  57. I0318 02:36:31.174990 15756 net.cpp:394] conv3 <- norm2  
  58. I0318 02:36:31.175004 15756 net.cpp:356] conv3 -> conv3  
  59. I0318 02:36:31.175015 15756 net.cpp:96] Setting up conv3  
  60. I0318 02:36:31.177199 15756 net.cpp:103] Top shape: 10 384 13 13 (648960)  
  61. I0318 02:36:31.177208 15756 net.cpp:113] Memory required for data: 49817600  
  62. I0318 02:36:31.177230 15756 net.cpp:67] Creating Layer relu3  
  63. I0318 02:36:31.177238 15756 net.cpp:394] relu3 <- conv3  
  64. I0318 02:36:31.177252 15756 net.cpp:345] relu3 -> conv3 (in-place)  
  65. I0318 02:36:31.177263 15756 net.cpp:96] Setting up relu3  
  66. I0318 02:36:31.177268 15756 net.cpp:103] Top shape: 10 384 13 13 (648960)  
  67. I0318 02:36:31.177273 15756 net.cpp:113] Memory required for data: 52413440  
  68. I0318 02:36:31.177284 15756 net.cpp:67] Creating Layer conv4  
  69. I0318 02:36:31.177289 15756 net.cpp:394] conv4 <- conv3  
  70. I0318 02:36:31.177302 15756 net.cpp:356] conv4 -> conv4  
  71. I0318 02:36:31.177316 15756 net.cpp:96] Setting up conv4  
  72. I0318 02:36:31.179213 15756 net.cpp:103] Top shape: 10 384 13 13 (648960)  
  73. I0318 02:36:31.179220 15756 net.cpp:113] Memory required for data: 55009280  
  74. I0318 02:36:31.179237 15756 net.cpp:67] Creating Layer relu4  
  75. I0318 02:36:31.179244 15756 net.cpp:394] relu4 <- conv4  
  76. I0318 02:36:31.179258 15756 net.cpp:345] relu4 -> conv4 (in-place)  
  77. I0318 02:36:31.179268 15756 net.cpp:96] Setting up relu4  
  78. I0318 02:36:31.179275 15756 net.cpp:103] Top shape: 10 384 13 13 (648960)  
  79. I0318 02:36:31.179280 15756 net.cpp:113] Memory required for data: 57605120  
  80. I0318 02:36:31.179291 15756 net.cpp:67] Creating Layer conv5  
  81. I0318 02:36:31.179296 15756 net.cpp:394] conv5 <- conv4  
  82. I0318 02:36:31.179309 15756 net.cpp:356] conv5 -> conv5  
  83. I0318 02:36:31.179322 15756 net.cpp:96] Setting up conv5  
  84. I0318 02:36:31.180598 15756 net.cpp:103] Top shape: 10 256 13 13 (432640)  
  85. I0318 02:36:31.180606 15756 net.cpp:113] Memory required for data: 59335680  
  86. I0318 02:36:31.180629 15756 net.cpp:67] Creating Layer relu5  
  87. I0318 02:36:31.180636 15756 net.cpp:394] relu5 <- conv5  
  88. I0318 02:36:31.180649 15756 net.cpp:345] relu5 -> conv5 (in-place)  
  89. I0318 02:36:31.180660 15756 net.cpp:96] Setting up relu5  
  90. I0318 02:36:31.180665 15756 net.cpp:103] Top shape: 10 256 13 13 (432640)  
  91. I0318 02:36:31.180670 15756 net.cpp:113] Memory required for data: 61066240  
  92. I0318 02:36:31.180682 15756 net.cpp:67] Creating Layer pool5  
  93. I0318 02:36:31.180690 15756 net.cpp:394] pool5 <- conv5  
  94. I0318 02:36:31.180703 15756 net.cpp:356] pool5 -> pool5  
  95. I0318 02:36:31.180716 15756 net.cpp:96] Setting up pool5  
  96. I0318 02:36:31.180726 15756 net.cpp:103] Top shape: 10 256 6 6 (92160)  
  97. I0318 02:36:31.180730 15756 net.cpp:113] Memory required for data: 61434880  
  98. I0318 02:36:31.180742 15756 net.cpp:67] Creating Layer fc6  
  99. I0318 02:36:31.180748 15756 net.cpp:394] fc6 <- pool5  
  100. I0318 02:36:31.180760 15756 net.cpp:356] fc6 -> fc6  
  101. I0318 02:36:31.180773 15756 net.cpp:96] Setting up fc6  
  102. I0318 02:36:31.262177 15756 net.cpp:103] Top shape: 10 4096 1 1 (40960)  
  103. I0318 02:36:31.262205 15756 net.cpp:113] Memory required for data: 61598720  
  104. I0318 02:36:31.262254 15756 net.cpp:67] Creating Layer relu6  
  105. I0318 02:36:31.262269 15756 net.cpp:394] relu6 <- fc6  
  106. I0318 02:36:31.262296 15756 net.cpp:345] relu6 -> fc6 (in-place)  
  107. I0318 02:36:31.262312 15756 net.cpp:96] Setting up relu6  
  108. I0318 02:36:31.262320 15756 net.cpp:103] Top shape: 10 4096 1 1 (40960)  
  109. I0318 02:36:31.262325 15756 net.cpp:113] Memory required for data: 61762560  
  110. I0318 02:36:31.262341 15756 net.cpp:67] Creating Layer drop6  
  111. I0318 02:36:31.262346 15756 net.cpp:394] drop6 <- fc6  
  112. I0318 02:36:31.262358 15756 net.cpp:345] drop6 -> fc6 (in-place)  
  113. I0318 02:36:31.262369 15756 net.cpp:96] Setting up drop6  
  114. I0318 02:36:31.262378 15756 net.cpp:103] Top shape: 10 4096 1 1 (40960)  
  115. I0318 02:36:31.262382 15756 net.cpp:113] Memory required for data: 61926400  
  116. I0318 02:36:31.262408 15756 net.cpp:67] Creating Layer fc7  
  117. I0318 02:36:31.262416 15756 net.cpp:394] fc7 <- fc6  
  118. I0318 02:36:31.262430 15756 net.cpp:356] fc7 -> fc7  
  119. I0318 02:36:31.262445 15756 net.cpp:96] Setting up fc7  
  120. I0318 02:36:31.298831 15756 net.cpp:103] Top shape: 10 4096 1 1 (40960)  
  121. I0318 02:36:31.298859 15756 net.cpp:113] Memory required for data: 62090240  
  122. I0318 02:36:31.298895 15756 net.cpp:67] Creating Layer relu7  
  123. I0318 02:36:31.298908 15756 net.cpp:394] relu7 <- fc7  
  124. I0318 02:36:31.298933 15756 net.cpp:345] relu7 -> fc7 (in-place)  
  125. I0318 02:36:31.298949 15756 net.cpp:96] Setting up relu7  
  126. I0318 02:36:31.298955 15756 net.cpp:103] Top shape: 10 4096 1 1 (40960)  
  127. I0318 02:36:31.298960 15756 net.cpp:113] Memory required for data: 62254080  
  128. I0318 02:36:31.298974 15756 net.cpp:67] Creating Layer drop7  
  129. I0318 02:36:31.298981 15756 net.cpp:394] drop7 <- fc7  
  130. I0318 02:36:31.298993 15756 net.cpp:345] drop7 -> fc7 (in-place)  
  131. I0318 02:36:31.299003 15756 net.cpp:96] Setting up drop7  
  132. I0318 02:36:31.299011 15756 net.cpp:103] Top shape: 10 4096 1 1 (40960)  
  133. I0318 02:36:31.299016 15756 net.cpp:113] Memory required for data: 62417920  
  134. I0318 02:36:31.299028 15756 net.cpp:67] Creating Layer fc8  
  135. I0318 02:36:31.299034 15756 net.cpp:394] fc8 <- fc7  
  136. I0318 02:36:31.299046 15756 net.cpp:356] fc8 -> fc8  
  137. I0318 02:36:31.299060 15756 net.cpp:96] Setting up fc8  
  138. I0318 02:36:31.308233 15756 net.cpp:103] Top shape: 10 1000 1 1 (10000)  
  139. I0318 02:36:31.308260 15756 net.cpp:113] Memory required for data: 62457920  
  140. I0318 02:36:31.308295 15756 net.cpp:67] Creating Layer prob  
  141. I0318 02:36:31.308310 15756 net.cpp:394] prob <- fc8  
  142. I0318 02:36:31.308336 15756 net.cpp:356] prob -> prob  
  143. I0318 02:36:31.308353 15756 net.cpp:96] Setting up prob  
  144. I0318 02:36:31.308372 15756 net.cpp:103] Top shape: 10 1000 1 1 (10000)  
  145. I0318 02:36:31.308377 15756 net.cpp:113] Memory required for data: 62497920  
  146. I0318 02:36:31.308384 15756 net.cpp:172] prob does not need backward computation.  
  147. I0318 02:36:31.308404 15756 net.cpp:172] fc8 does not need backward computation.  
  148. I0318 02:36:31.308410 15756 net.cpp:172] drop7 does not need backward computation.  
  149. I0318 02:36:31.308415 15756 net.cpp:172] relu7 does not need backward computation.  
  150. I0318 02:36:31.308420 15756 net.cpp:172] fc7 does not need backward computation.  
  151. I0318 02:36:31.308425 15756 net.cpp:172] drop6 does not need backward computation.  
  152. I0318 02:36:31.308430 15756 net.cpp:172] relu6 does not need backward computation.  
  153. I0318 02:36:31.308435 15756 net.cpp:172] fc6 does not need backward computation.  
  154. I0318 02:36:31.308440 15756 net.cpp:172] pool5 does not need backward computation.  
  155. I0318 02:36:31.308445 15756 net.cpp:172] relu5 does not need backward computation.  
  156. I0318 02:36:31.308450 15756 net.cpp:172] conv5 does not need backward computation.  
  157. I0318 02:36:31.308454 15756 net.cpp:172] relu4 does not need backward computation.  
  158. I0318 02:36:31.308459 15756 net.cpp:172] conv4 does not need backward computation.  
  159. I0318 02:36:31.308465 15756 net.cpp:172] relu3 does not need backward computation.  
  160. I0318 02:36:31.308470 15756 net.cpp:172] conv3 does not need backward computation.  
  161. I0318 02:36:31.308473 15756 net.cpp:172] norm2 does not need backward computation.  
  162. I0318 02:36:31.308478 15756 net.cpp:172] pool2 does not need backward computation.  
  163. I0318 02:36:31.308483 15756 net.cpp:172] relu2 does not need backward computation.  
  164. I0318 02:36:31.308488 15756 net.cpp:172] conv2 does not need backward computation.  
  165. I0318 02:36:31.308493 15756 net.cpp:172] norm1 does not need backward computation.  
  166. I0318 02:36:31.308498 15756 net.cpp:172] pool1 does not need backward computation.  
  167. I0318 02:36:31.308502 15756 net.cpp:172] relu1 does not need backward computation.  
  168. I0318 02:36:31.308508 15756 net.cpp:172] conv1 does not need backward computation.  
  169. I0318 02:36:31.308512 15756 net.cpp:208] This network produces output prob  
  170. I0318 02:36:31.308542 15756 net.cpp:467] Collecting Learning Rate and Weight Decay.  
  171. I0318 02:36:31.308554 15756 net.cpp:219] Network initialization done.  
  172. I0318 02:36:31.308558 15756 net.cpp:220] Memory required for data: 62497920  
  173. E0318 02:36:31.683995 15756 upgrade_proto.cpp:611] Attempting to upgrade input file specified using deprecated transformation parameters: ../models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel  
  174. I0318 02:36:31.684034 15756 upgrade_proto.cpp:614] Successfully upgraded file specified using deprecated data transformation parameters.  
  175. E0318 02:36:31.684039 15756 upgrade_proto.cpp:616] Note that future Caffe releases will only support transform_param messages for transformation fields.  
  176. I0318 02:36:31.684048 15756 net.cpp:702] Ignoring source layer data  
  177. I0318 02:36:31.684052 15756 net.cpp:705] Copying source layer conv1  
  178. I0318 02:36:31.684367 15756 net.cpp:705] Copying source layer relu1  
  179. I0318 02:36:31.684375 15756 net.cpp:705] Copying source layer pool1  
  180. I0318 02:36:31.684380 15756 net.cpp:705] Copying source layer norm1  
  181. I0318 02:36:31.684383 15756 net.cpp:705] Copying source layer conv2  
  182. I0318 02:36:31.687021 15756 net.cpp:705] Copying source layer relu2  
  183. I0318 02:36:31.687028 15756 net.cpp:705] Copying source layer pool2  
  184. I0318 02:36:31.687033 15756 net.cpp:705] Copying source layer norm2  
  185. I0318 02:36:31.687038 15756 net.cpp:705] Copying source layer conv3  
  186. I0318 02:36:31.694574 15756 net.cpp:705] Copying source layer relu3  
  187. I0318 02:36:31.694586 15756 net.cpp:705] Copying source layer conv4  
  188. I0318 02:36:31.700258 15756 net.cpp:705] Copying source layer relu4  
  189. I0318 02:36:31.700266 15756 net.cpp:705] Copying source layer conv5  
  190. I0318 02:36:31.704053 15756 net.cpp:705] Copying source layer relu5  
  191. I0318 02:36:31.704062 15756 net.cpp:705] Copying source layer pool5  
  192. I0318 02:36:31.704067 15756 net.cpp:705] Copying source layer fc6  
  193. I0318 02:36:32.025676 15756 net.cpp:705] Copying source layer relu6  
  194. I0318 02:36:32.025704 15756 net.cpp:705] Copying source layer drop6  
  195. I0318 02:36:32.025709 15756 net.cpp:705] Copying source layer fc7  
  196. I0318 02:36:32.168704 15756 net.cpp:705] Copying source layer relu7  
  197. I0318 02:36:32.168730 15756 net.cpp:705] Copying source layer drop7  
  198. I0318 02:36:32.168735 15756 net.cpp:705] Copying source layer fc8  
  199. I0318 02:36:32.203642 15756 net.cpp:702] Ignoring source layer loss  

['n02123045 tabby, tabby cat' 'n02127052 lynx, catamount'
 'n02124075 Egyptian cat' 'n07930864 cup' 'n02123159 tiger cat']
[281 287 285 968 282]

 

其他参考：

http://blog.csdn.net/sunbaigui/article/details/39938097

http://dataunion.org/10781.html

http://djt.qq.com/article/view/1245

你可能感兴趣的:(image)

  • vue3中el-table中点击图片放大时，被表格覆盖 叫我小鹏呀 vue.jsjavascript前端
    问题：vue3中el-table中点击图片放大时，被表格覆盖。解决方法：el-image添加preview-teleported
  • python tif转png Python与遥感 python开发语言
    importosfromosgeoimportgdalimportnumpyasnpfromPILimportImage#提取432三波段fromspectralimport*#输入文件夹路径defget_img(dataset_img):width=dataset_img.RasterXSize#获取行列数height=dataset_img.RasterYSizebands=dataset_i
  • python怎么将png转为tif_png转tif weixin_39977276
    发国外的文章要求图片是tif，cmyk色彩空间的。大小尺寸还有要求。比如网上大神多，找到了一段代码，感谢！https://www.jianshu.com/p/ec2af4311f56https://github.com/KevinZc007/image2Tifimportjava.awt.image.BufferedImage;importjava.io.File;importjava.io.Fi
  • 详解：如何设计出健壮的秒杀系统？ 夜空_2cd3
    作者：Yrion博客园：cnblogs.com/wyq178/p/11261711.html前言：秒杀系统相信很多人见过，比如京东或者淘宝的秒杀，小米手机的秒杀。那么秒杀系统的后台是如何实现的呢？我们如何设计一个秒杀系统呢？对于秒杀系统应该考虑哪些问题？如何设计出健壮的秒杀系统？本期我们就来探讨一下这个问题：image目录一：****秒杀系统应该考虑的问题二：****秒杀系统的设计和技术方案三：*
  • 2020年学习什么知识比较好？互联网行业依然是发展较佳 编程仔
    2019年余额已不足，不少职场人心里也在盘点这一年的工作得失，琢磨新一年的奋斗策略，是继续冲刺还是换个跑道？今年跳槽更难吗？image互联网行业一直以相对较丰厚的薪酬和广阔的发展前景吸引着各界人才。但最近，互联网行业寒冬、互联网企业裁员等话题再次引起热议。正在从前些年的高速发展期转向发展调整期的互联网行业真的步入了“寒冬”？该行业依旧具有吸引力吗？什么职位又最热门呢？image互联网行业仍保持较高
  • uniapp使用内置地图选择插件，实现地址选择并在地图上标点 神夜大侠 Uniappvue.jsuniapp
    uniapp使用内置地图选择插件，实现地址选择并在地图上标点代码如下：page{background:#F4F5F6;}::-webkit-scrollbar{width:0;height:0;color:transparent;}page{height:100%;width:100%;font-size:24rpx;}image,view,input,textarea,label,text,na
  • idea使用自定义checkstyle.xml配置文件 Gemkey
    1.下载插件image.png2.插件安装完后,找到设置中的checkstyle,点击"+",新增自定义规则image.png3.输入描述信息,点击Browse找到对应的文件image.pngimage.png4.可以把active勾上,则使用默认校验规则,点击OK,则可以开始使用自定义规则检测单个文件了image.png
  • 使用input[type=file]遇上的一些问题 刘圣凯
    项目遇到一个需要，如下image.png功能大致就是添加图片，展示出来，然后在用户点击提交的时候把图片传给后台，在和后台交涉之后，决定在用户选择图片之后转成formdata传给后台，后台返回一个url，提交的时候将url返回给后台/**转formdata*/varformdata=newFormData();formdata.append("file1",$("#pic")[0].files[0]
  • 【代码模板】可视化 xuanyu22 SOPopencv计算机视觉人工智能
    PillowDocumentdataformat-(H,W,C),RGBdatadtype-np.uint8valuerange-(0,255)fromPILimportImage#Readimagesimg=Image.open("img.png").convert('RGB')#读取RGB图像img=Image.open("img.png").convert('L')#读取灰度图像(H,W)u
  • uniapp实现IM即时通讯仿微信聊天功能 即构开发者
    本文介绍如何基于UNIAPP使用即时通讯SDKZIMSDK快速实现基本的消息收发功能。1uniappim即时通讯功能方案介绍即时通讯SDKZIMSDK提供了如下接入方案：image.png在此方案中，您需要通过您自己的业务系统实现以下业务逻辑：搭建客户端的用户管理逻辑，并下发用户ID用于客户端登录。鉴权Token，建议由您的业务后台自行实现，保证鉴权数据安全。uni-appSDK是一个基于原生iO
  • 利用Python+OpenCV实现截图匹配图像，支持自适应缩放、灰度匹配、区域匹配、匹配多个结果 xu-jssy Python自动化脚本pythonopencv开发语言图像处理自动化
    可以直接通过pip获取，无需手动安装其他依赖pipinstallxug示例：importxugxug.find_image_on_screen(,,,)=========================================================================一、依赖安装pipinstallopencv-pythonpipinstallpyautogui二、获
  • 测试平台系列(24) 编写成员管理功能 米洛丶
    回顾上一节我们编写了项目设置相关功能，还剩下2个tab没有编写，分别是:用例列表和成员管理.编写成员列表及部分接口添加成员搜索成员编辑成员删除成员今天因为时间关系就不展示删除成员了，只编写编辑/新增成员接口和页面。编写新增/编辑角色的方法由于之前我们已经编辑过新增角色的方法了，但是需要修改一点:image这里角色的筛选条件不能加上，为什么呢？因为加上的话，我可以创建同一个user_id的不同角色，
  • ResNet的半监督和半弱监督模型 Valar_Morghulis
    Billion-scalesemi-supervisedlearningforimageclassificationhttps://arxiv.org/pdf/1905.00546.pdfhttps://github.com/facebookresearch/semi-supervised-ImageNet1K-models/权重在timm中也有：https://hub.fastgit.org/r
  • Swift4.0: 利用图形上下文画基础图? Dayu大鱼
    步骤:开启图片上下文获取上下文配置上下文3.1填充颜色cgColor3.2填充尺寸从图形上下文中获取图片关闭上下文返回图片importFoundationimportUIKitextensionUIImage{///画一个白色背景的图片classfuncimageWithWhiteBackGroundColor()->UIImage{//开始图形上下文UIGraphicsBeginImageCon
  • PCL 怎样可视化深度图像 LeonDL168 PCL计算机视觉人工智能视觉检测图像处理算法
    本小节讲解如何可视化深度图像的两种方法，在3D视窗中以点云形式进行可视化（深度图像来源于点云），另一种是，将深度值映射为颜色，从而以彩色图像方式可视化深度图像。代码首先，在PCL（PointCloudLearning）中国协助发行的书提供光盘的第7章例2文件夹中，打开名为range_image_visualization.cpp的代码文件，同文件夹下可以找到相关的测试点云文件room_scan1.
  • python-opencv cv2.findContours()函数 fjswcjswzy opencvpython笔记pythonopencv
    示例代码：image,contours,hierarchy=cv2.findContours(contour,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)输入：contour：带有轮廓信息的图像；cv2.RETR_TREE：提取轮廓后，输出轮廓信息的组织形式，除了cv2.RETR_TREE还有以下几种选项：cv2.RETR_EXTERNAL：输出轮廓中只有外侧轮廓信
  • react里的index.js是怎么跟index.html结合起来的? SherrinfordL
    image.pngcreate-react-app把webpack、babel等配置都封装到了依赖项目react-script中，所以你无法直观的看到这些配置。你可以在项目下运行npmruneject，被隐藏的配置文件就会暴露到项目根路径下。把请求转发到index.html原因是，你执行npmrunstart时，启动的webpack-dev-server，会加载react-script项目conf
  • 【拖拽】自定义拖拽图标 风露_
    一、知识点设置被拖拽的元素draggable为true(HTML5新特性)关键方法：voiddataTransfer.setDragImage(img,xOffset,yOffset);注意点：Note:Ifthe[Element]isanexisting[HTMLElement],itneedstobevisibleintheviewportinordertobeshownasadragfeed
  • 基于深度学习的文本引导的图像编辑 SEU-WYL 深度学习dnn深度学习人工智能
    基于深度学习的文本引导的图像编辑（Text-GuidedImageEditing）是一种通过自然语言文本指令对图像进行编辑或修改的技术。它结合了图像生成和自然语言处理（NLP）的最新进展，使用户能够通过描述性文本对图像内容进行精确的调整和操控。1.文本引导的图像编辑的挑战文本和图像之间的对齐：如何将文本中的语义信息准确地映射到图像中的特定区域或元素是一个关键挑战。这涉及到多模态数据的对齐和理解。编
  • Kubernetes——组件 窒息う Kuberneteskubernetes容器
    文章目录K8S的优势核心架构角色与功能集群图例K8S的优势能管理大量跨主机容器快速部署应用快速扩展应用无缝对接新的应用节省资源，优化硬件资源的使用核心架构master（管理节点）node（计算节点）images（镜像节点）角色与功能Master功能提供集群的控制对集群进行全局决策检测和响应集群事件Master节点核心组件APIServer是整个系统的对外接口，提供客户端和其他组件调用后端元数据存储
  • 9.单细胞 RNA-seq：聚类分析 denghb001
    学习目标：利用多种方法来评估聚类选择的PC基于重要的PC执行单细胞聚类单细胞RNA-seq聚类分析现在我们已经整合了高质量的细胞，我们想知道我们的细胞群中存在的不同细胞类型。image目标：为了生成特定细胞类型的簇，并使用已知的细胞类型的标志基因来确定的簇的身份。为了确定分群是否代表真实的细胞类型或由于生物或技术差异而形成的群集，如在细胞周期的S期的细胞群，特定批次的簇，或具有高线粒体含量的细胞。
  • Docker 常用命令 C语言扫地僧 Linux专栏docker容器
    1Docker镜像命令1.1dockerimages#语法dockerimages[OPTIONS][REPOSITORY[:TAG]]#别名dockerimagels,dockerimagelist功能列出本地镜像。关键参数-a:列出本地所有的镜像（含中间映像层，默认情况下，过滤掉中间映像层）；--digests:显示镜像的摘要信息；-f:显示满足条件的镜像；--format:指定返回值的模板文
  • css3实现鼠标放到图标上自动切换图标 黄丫丫07 csscss3html
    作业div{font-family:'icomoon';width:1217px;height:1217px;background:url(images/1.jpg)no-repeat00;transition:all.2s;}div:hover{background:url(images/1.jpg)no-repeat-1200px0;}
  • 【笔记】扩散模型（七）：Latent Diffusion Models（Stable Diffusion）论文解读与代码实现 LittleNyima DiffusionModels笔记stablediffusionAIGC人工智能
    论文链接：High-ResolutionImageSynthesiswithLatentDiffusionModels官方实现：CompVis/latent-diffusion、CompVis/stable-diffusion这一篇文章的内容是LatentDiffusionModels（LDM），也就是大名鼎鼎的StableDiffusion。先前的扩散模型一直面临的比较大的问题是采样空间太大，学
  • docker镜像的批量备份和加载 小卡车555 docker
    随着微服务的不断发展，docker在微服务的部署中也占着不可缺少的角色，有这样一种场景，需要将服务器上的若干个最新的镜像打成tar.gz做一个备份或者异地部署。针对此问题尝试写了如下shell脚本#vimsaveImages.sh脚本内容如下：#当前需要打包的版本号version=xxx.0.0.1-RELEASE#仓库rep=defaultRep#名称name=defaultNameforiin
  • springboot结合vue如何展示服务器磁盘里的图片，如何预览图片 夏之小星星 springbootvue.js服务器
    1、在springboot配置文件中用spring.web.resources.static-locations配置静态资源路径例如图片的位置存放在服务器C盘下的路径为：C:/image/先在配置文件中使用web.upload-path配置磁盘路径如下web.upload-path=C:/image/再把该路径添加在静态资源路径里spring.web.resources.static-locati
  • iOS使用SDWebview加载图片失败？ AnderQZ
    今天调试遇到一个很无奈的问题，就是出现了image无法加载出来。最后才发现是图片使用了中文命名，真TM的坑！SDWebimage没办法识别中文，必须要encode才行！
  • FloatActionButton 使用 yuzhiyi_宇
    FloatActionButton(简称FAB)是负责显示界面基本操作的圆形按钮，其提供的最好是高频率的操作。使用FloatActionButton继承自ImageView，具备ImageView的全部属性。xml布局代码属性作用android:srcFAB中显示的图标app:layout_anchor设置FAB的锚点，即以该控件为参考app:layout_anchorGravityFAB相对锚点
  • Android面试必问的Activity，初阶，中高阶问法，你都掌握了吗？（要求熟读并背诵全文） chuhe1989 android进阶面试Android开发android面试
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cXs1wGDx-1605843173409)(https://upload-images.jianshu.io/upload_images/24142630-84668ed4a42819ee.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)]Activity
  • ROS yaml参数文件的使用 Sun Shiteng ROS
    举个例子，若在params.yaml文件中定义如下参数LidarImageFusion:points_src:"/hilbert_h/deskew/cloud_info"image_src:"/usb_cam0/image_raw"camera_info_src:"/home/hdj/fusion_slam/Color_SLAM_ws/src/hilbert_h/config/firefly_8s
  • mondb入手 木zi_鸣 mongodb
    windows 启动mongodb  编写bat文件， mongod --dbpath D:\software\MongoDBDATA mongod --help  查询各种配置 配置在mongob 打开批处理，即可启动，27017原生端口，shell操作监控端口  扩展28017，web端操作端口 启动配置文件配置， 数据更灵活 
  • 大型高并发高负载网站的系统架构 bijian1013 高并发负载均衡
            扩展Web应用程序 一.概念         简单的来说，如果一个系统可扩展，那么你可以通过扩展来提供系统的性能。这代表着系统能够容纳更高的负载、更大的数据集，并且系统是可维护的。扩展和语言、某项具体的技术都是无关的。扩展可以分为两种：         1.
  • DISPLAY变量和xhost(原创) czmmiao display
    DISPLAY 在Linux/Unix类操作系统上, DISPLAY用来设置将图形显示到何处. 直接登陆图形界面或者登陆命令行界面后使用startx启动图形, DISPLAY环境变量将自动设置为:0:0, 此时可以打开终端, 输出图形程序的名称(比如xclock)来启动程序, 图形将显示在本地窗口上, 在终端上输入printenv查看当前环境变量, 输出结果中有如下内容:DISPLAY=:0.0
  • 获取B/S客户端IP 周凡杨 java编程jspWeb浏览器
       最近想写个B/S架构的聊天系统，因为以前做过C/S架构的QQ聊天系统，所以对于Socket通信编程只是一个巩固。对于C/S架构的聊天系统，由于存在客户端Java应用，所以直接在代码中获取客户端的IP，应用的方法为：    String ip = InetAddress.getLocalHost().getHostAddress(); 然而对于WEB
  • 浅谈类和对象 朱辉辉33 编程
        类是对一类事物的总称，对象是描述一个物体的特征，类是对象的抽象。简单来说，类是抽象的，不占用内存，对象是具体的， 占用存储空间。     类是由属性和方法构成的，基本格式是public  class 类名{ //定义属性 private/public 数据类型 属性名； //定义方法 publ
  • android activity与viewpager+fragment的生命周期问题 肆无忌惮_ viewpager
    有一个Activity里面是ViewPager，ViewPager里面放了两个Fragment。 第一次进入这个Activity。开启了服务，并在onResume方法中绑定服务后，对Service进行了一定的初始化，其中调用了Fragment中的一个属性。 super.onResume(); bindService(intent, conn, BIND_AUTO_CREATE);
  • base64Encode对图片进行编码 843977358 base64图片encoder
    /** * 对图片进行base64encoder编码 * * @author mrZhang * @param path * @return */ public static String encodeImage(String path) { BASE64Encoder encoder = null; byte[] b = null; I
  • Request Header简介 aigo servlet
    当一个客户端(通常是浏览器)向Web服务器发送一个请求是，它要发送一个请求的命令行，一般是GET或POST命令，当发送POST命令时，它还必须向服务器发送一个叫“Content-Length”的请求头(Request   Header)   用以指明请求数据的长度，除了Content-Length之外，它还可以向服务器发送其它一些Headers，如：    
  • HttpClient4.3 创建SSL协议的HttpClient对象 alleni123 httpclient爬虫ssl
    public class HttpClientUtils { public static CloseableHttpClient createSSLClientDefault(CookieStore cookies){ SSLContext sslContext=null; try { sslContext=new SSLContextBuilder().l
  • java取反 -右移-左移-无符号右移的探讨 百合不是茶 位运算符 位移
    取反： 在二进制中第一位，1表示符数，0表示正数 byte a = -1; 原码：10000001 反码：11111110 补码：11111111 //异或: 00000000 byte b = -2; 原码：10000010 反码：11111101 补码：11111110 //异或: 00000001
  • java多线程join的作用与用法 bijian1013 java多线程
            对于JAVA的join，JDK 是这样说的：join public final void join （long millis ）throws InterruptedException Waits at most millis milliseconds for this thread to die. A timeout of 0 means t
  • Java发送http请求(get 与post方法请求) bijian1013 javaspring
    PostRequest.java package com.bijian.study; import java.io.BufferedReader; import java.io.DataOutputStream; import java.io.IOException; import java.io.InputStreamReader; import java.net.HttpURL
  • 【Struts2二】struts.xml中package下的action配置项默认值 bit1129 struts.xml
    在第一部份，定义了struts.xml文件，如下所示：   <!DOCTYPE struts PUBLIC "-//Apache Software Foundation//DTD Struts Configuration 2.3//EN" "http://struts.apache.org/dtds/struts
  • 【Kafka十三】Kafka Simple Consumer bit1129 simple
    代码中关于Host和Port是割裂开的，这会导致单机环境下的伪分布式Kafka集群环境下，这个例子没法运行。 实际情况是需要将host和port绑定到一起，   package kafka.examples.lowlevel; import kafka.api.FetchRequest; import kafka.api.FetchRequestBuilder; impo
  • nodejs学习api ronin47 nodejs api
    NodeJS基础 什么是NodeJS JS是脚本语言，脚本语言都需要一个解析器才能运行。对于写在HTML页面里的JS，浏览器充当了解析器的角色。而对于需要独立运行的JS，NodeJS就是一个解析器。 每一种解析器都是一个运行环境，不但允许JS定义各种数据结构，进行各种计算，还允许JS使用运行环境提供的内置对象和方法做一些事情。例如运行在浏览器中的JS的用途是操作DOM，浏览器就提供了docum
  • java-64.寻找第N个丑数 bylijinnan java
    public class UglyNumber { /** * 64.查找第N个丑数 具体思路可参考 [url] http://zhedahht.blog.163.com/blog/static/2541117420094245366965/[/url] * 题目：我们把只包含因子 2、3和5的数称作丑数（Ugly Number）。例如6、8都是丑数，但14
  • 二维数组（矩阵）对角线输出 bylijinnan 二维数组
    /** 二维数组 对角线输出 两个方向 例如对于数组： { 1, 2, 3, 4 }, { 5, 6, 7, 8 }, { 9, 10, 11, 12 }, { 13, 14, 15, 16 }, slash方向输出： 1 5 2 9 6 3 13 10 7 4 14 11 8 15 12 16 backslash输出： 4 3
  • [JWFD开源工作流设计]工作流跳跃模式开发关键点(今日更新) comsci 工作流
       既然是做开源软件的,我们的宗旨就是给大家分享设计和代码,那么现在我就用很简单扼要的语言来透露这个跳跃模式的设计原理    大家如果用过JWFD的ARC-自动运行控制器,或者看过代码,应该知道在ARC算法模块中有一个函数叫做SAN(),这个函数就是ARC的核心控制器,要实现跳跃模式,在SAN函数中一定要对LN链表数据结构进行操作,首先写一段代码,把
  • redis常见使用 cuityang redis常见使用
    redis 通常被认为是一个数据结构服务器，主要是因为其有着丰富的数据结构 strings、map、 list、sets、 sorted sets 引入jar包 jedis-2.1.0.jar  (本文下方提供下载) package redistest; import redis.clients.jedis.Jedis; public class Listtest
  • 配置多个redis dalan_123 redis
    配置多个redis客户端 <?xml version="1.0" encoding="UTF-8"?><beans xmlns="http://www.springframework.org/schema/beans"       xmlns:xsi=&quo
  • attrib命令 dcj3sjt126com attr
      attrib指令用于修改文件的属性.文件的常见属性有:只读.存档.隐藏和系统.    只读属性是指文件只可以做读的操作.不能对文件进行写的操作.就是文件的写保护.    存档属性是用来标记文件改动的.即在上一次备份后文件有所改动.一些备份软件在备份的时候会只去备份带有存档属性的文件. 
  • Yii使用公共函数 dcj3sjt126com yii
    在网站项目中，没必要把公用的函数写成一个工具类，有时候面向过程其实更方便。 在入口文件index.php里添加 require_once('protected/function.php'); 即可对其引用，成为公用的函数集合。 function.php如下：   <?php /**   * This is the shortcut to D
  • linux 系统资源的查看（free、uname、uptime、netstat） eksliang netstatlinux unamelinux uptimelinux free
    linux 系统资源的查看 转载请出自出处：http://eksliang.iteye.com/blog/2167081   http://eksliang.iteye.com 一、free查看内存的使用情况 语法如下：   free [-b][-k][-m][-g] [-t] 参数含义 -b:直接输入free时，显示的单位是kb我们可以使用b(bytes),m
  • JAVA的位操作符 greemranqq 位运算JAVA位移<<>>>
    最近几种进制，加上各种位操作符，发现都比较模糊，不能完全掌握，这里就再熟悉熟悉。   1.按位操作符 ：    按位操作符是用来操作基本数据类型中的单个bit,即二进制位，会对两个参数执行布尔代数运算，获得结果。    与（&）运算：    1&1 = 1, 1&0 = 0, 0&0 &
  • Web前段学习网站 ihuning Web
      Web前段学习网站 菜鸟学习：http://www.w3cschool.cc/   JQuery中文网：http://www.jquerycn.cn/   内存溢出：http://outofmemory.cn/#csdn.blog   http://www.icoolxue.com/   http://www.jikexue
  • 强强联合：FluxBB 作者加盟 Flarum justjavac r
    原文：FluxBB Joins Forces With Flarum作者：Toby Zerner译文：强强联合：FluxBB 作者加盟 Flarum译者：justjavac FluxBB 是一个快速、轻量级论坛软件，它的开发者是一名德国的 PHP 天才 Franz Liedke。FluxBB 的下一个版本(2.0)将被完全重写，并已经开发了一段时间。FluxBB 看起来非常有前途的，
  • java统计在线人数（session存储信息的） macroli javaWeb
    这篇日志是我写的第三次了 前两次都发布失败！郁闷极了！   由于在web开发中常常用到这一部分所以在此记录一下，呵呵，就到备忘录了！ 我对于登录信息时使用session存储的，所以我这里是通过实现HttpSessionAttributeListener这个接口完成的。 1、实现接口类，在web.xml文件中配置监听类，从而可以使该类完成其工作。 public class Ses
  • bootstrp carousel初体验 快速构建图片播放 qiaolevip 每天进步一点点学习永无止境bootstrap纵观千象
    img{ border: 1px solid white; box-shadow: 2px 2px 12px #333; _width: expression(this.width > 600 ? "600px" : this.width + "px"); _height: expression(this.width &
  • SparkSQL读取HBase数据，通过自定义外部数据源 superlxw1234 sparksparksqlsparksql读取hbasesparksql外部数据源
    关键字：SparkSQL读取HBase、SparkSQL自定义外部数据源     前面文章介绍了SparSQL通过Hive操作HBase表。   SparkSQL从1.2开始支持自定义外部数据源(External DataSource)，这样就可以通过API接口来实现自己的外部数据源。这里基于Spark1.4.0，简单介绍SparkSQL自定义外部数据源，访
  • Spring Boot 1.3.0.M1发布 wiselyman spring boot
        Spring Boot 1.3.0.M1于6.12日发布，现在可以从Spring milestone repository下载。这个版本是基于Spring Framework 4.2.0.RC1,并在Spring Boot 1.2之上提供了大量的新特性improvements and new features。主要包含以下：   1.提供一个新的sprin
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他