【caffe学习】

Caffe学习笔记3：加强LeNet，实现'0-9'and'A-Z'识别

经过之前的学习能够做到识别'0-9'的手写体数字，但是为了实现更多的分类，应该怎么办呢？首先简单介绍一下LeNet，网络结构包含2个卷积层，2个max池化层，2个全链接层和1个relu层与一个softmax层。Paste_Image.png输入数据体的尺寸为W_1\timesH_1\timesD_14个超参数：滤波器的数量K滤波器的空间尺寸F步长S零填充数量P输出数据体的尺寸为W_2\timesH
Zz鱼丸·2020-07-13 11:40

Caffe学习：pycaffe利用caffemodel进行分类

转自：http://blog.csdn.net/u011762313/article/details/48342495导入相关库importcaffe配置#caffemodel文件MODEL_FILE='model/_iter_10000.caffemodel'#deploy文件，参考/caffe/models/bvlc_alexnet/deploy.prototxtDEPLOY_FILE='de
zyazky·2020-07-12 21:23

pycaffe学习之（一）：io.py源码解读

主要是定义了一个transformer，preprocess和deprocess操作，完成caffe和python之间数据的格式转换等，注意caffe：BGR,0-255，C*H*W而python是RGB,H*W*C,0-1的数据格式。importnumpyasnpimportskimage.io#导入scikit-image图像处理库fromscipy.ndimageimportzoom#sci
大青上·2020-07-12 19:57

pycaffe学习之（三）：caffenet.py

在caffe/examples/pycaffe/目录下主要包括：caffenet即每一层的定义和网络的搭建from__future__importprint_functionfromcaffeimportlayersasL,paramsasP,to_protofromcaffe.protoimportcaffe_pb2#helperfunctionforcommonstructures#定义卷积和
大青上·2020-07-12 19:57

Caffe学习（四）数据层及参数设置

caffe的各种数据层在caffe.proto文件中有定义。通过对定义的caffe.proto文件进行编译，产生支持各种层操作的c++代码。后面将会详细解读caffe.proto文件（在caffe里就是当做一个自动代码生成工具来用）。本文主要介绍caffe可以读入数据的各种格式，方便后面采用caffe训练自己的数据数据的来源主要有以下几种：（1）高效的数据库（LevelDB或者LMDB）（2）内存
遍地流金·2020-07-12 02:35

Caffe学习：pycaffe利用caffemodel进行分类（2）

不同于pycaffe利用caffemodel进行分类，这里利用pycaffe包装好的classifier.py来进行分类，详见：/caffe/python/caffe/classifier.py导入相关库importcaffe配置#caffemodel文件MODEL_FILE='model/_iter_10000.caffemodel'#deploy文件，参考/caffe/models/bvlc_
jiarenyf·2020-07-12 02:11

Caffe学习：pycaffe利用caffemodel进行分类=>裁剪图片

在caffe中，如果定义了crop_size，那么在train时会对大于crop_size的图片进行随机裁剪，而在test时只是截取中间部分（详见/caffe/src/caffe/data_transformer.cpp）：//Weonlydorandomcropwhenwedotraining.if(phase_==TRAIN){h_off=Rand(datum_height-crop_size
jiarenyf·2020-07-12 02:11

Caffe学习：pycaffe利用caffemodel进行分类=>批处理

在Caffe学习：pycaffe利用caffemodel进行分类（2）中，我们手动将图片裁剪并导入pycaffe中，以提高识别率这里，我们采用批处理，以加快识别速度导入相关库importcaffe配置#
jiarenyf·2020-07-12 02:11

caffe学习之Lenet-5详解

frompylabimport*%matplotlibinlinecaffe_root='../'#thisfileshouldberunfrom{caffe_root}/examples(otherwisechangethisline)importsys#句1sys.path.insert(0,caffe_root+'python')#句2importcaffe注释：可以通过，在/etc/pro
学弟·2020-07-12 02:45

Caffe学习系列(17)：模型各层数据和参数可视化

转载自http://www.cnblogs.com/denny402先用caffe对cifar10进行训练，将训练的结果模型进行保存，得到一个caffemodel，然后从测试图片中选出一张进行测试，并进行可视化。In[1]:#加载必要的库importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlineimportsys,os,caffeIn[
shan19930117·2020-07-11 22:52

caffe学习笔记（十七）--用caffemodel进行批量图片分类

接上篇文章，这次进行批量图片处理，在/examles/images文件中有四张图片如下所示接下来另外创建classifiy2.py文件，进行批量图片处理，事实上，这次的处理流程和上篇笔记基本类似，上次是处理一张图片，这次是处理批量图片而已。区别只是选用Python进行图片分类时调用的不是classify文件而是classify2文件，其他操作流程基本不变，具体可参考：学习笔记（十六）：https:
小熊猫3·2020-07-11 16:55

手写mnist项目pycaffe实战

这篇也是手写mnist的python接口的讲解：http://www.cnblogs.com/denny402/p/5684431.htmlCaffe学习笔记(六)：mnist手写数字识别训练实例标签：
mdjxy63·2020-07-11 13:06

caffe学习资料整理

博客篇：一个超赞的博主：会持续关注的：http://blog.csdn.net/c406495762/article/details/75172850http://blog.csdn.net/sinat_35512245/article/details/60873196opencv对于图像进行处理http://blog.csdn.net/Real_Myth/article/details/7517
mdjxy63·2020-07-11 13:35

caffe学习笔记（二）——caffe结构分析

一、caffe目录结构：data——用于存放下载的训练数据docs——帮助文档examples——代码样例matlab——MATLAB接口文件python——PYTHON接口文件models——一些配置好的模型参数scripts——一些文档和数据会用到的脚本核心代码：tools——保存的源码是用于生成二进制处理程序的，caffe在训练时实际是直接调用这些二进制文件include——Caffe的实现
Souseiki·2020-07-11 08:00

caffe学习笔记（一）——caffe环境安装

一、基本环境安装：1.依赖库安装：基本的依赖库安装：sudoapt-getinstalllibprotobuf-devlibleveldb-devlibsnappy-devlibopencv-devlibhdf5-serial-devprotobuf-compilersudoapt-getinstall--no-install-recommendslibboost-all-devcuda安装：由于
Souseiki·2020-07-11 08:00

caffe学习笔记（五）--使用自己的数据集第一次进行训练

接着上一篇博文：制作自己的数据集在制作好我们自己的LMDB格式的数据集后，我们就可以依照前面mnist的例程来对LeNet模型进行训练啦，有木有很激动(≧▽≦)/（虽然现在对模型而是一片懵懂）简单的说下步骤：从cafferoot/exmples/mnist文件夹中复制过来我需要的solver.prototxt和train_test.prototxt文件，将其重命名为my_solver.protot
芭蕉帘外雨声急·2020-07-11 06:46

caffe学习（2）：ubuntu18.04安装caffe环境并编译—GPU环境

前提条件：ubuntu18.04装nvidia440.33+cuda10.2+cudnnV7.65记录确认编译器版本首先确定系统所使用的gcc/g++/c++的版本，并且尽量和“cat/proc/driver/nvidia/version”输出中的gcc版本保持一致。查看系统安装了那些编译器版本：查看系统gcc/g++/c++/cpp所在的目录whichgcc查看编译器版本查看gcc版本ll-1/
超超越越一亿粉丝·2020-07-10 10:44

Caffe学习2--Blobs，Layers与Nets

Blobs，Layers与NetsBlobsLayers与NetsBlobsLayersNets后记参考链接：http://caffe.berkeleyvision.org/tutorial/net_layer_blob.htmlCaffe主要就是有Blobs，Layers与Nets三部分组成，当然少不了Caffe内部的自动化机制，但是对于使用者来说，与我们密切相关的就是本文要介绍的这三个数据结构
LiemZuvon·2020-07-08 10:14

caffe学习笔记：mnist数据集的训练和测试

最近一直在研究linux下的caffe，记录下自己在学习过程的一些步骤。1、准备数据和训练1、准备数据，在caffe的根目录下依次执行以下2个命令：./data/mnist/get_mnist.sh##获取mnist数据集./examples/mnist/create_mnist.sh##创建lmdb或者而是levedb文件运行上面的2个指令后，在./examples/mnist文件夹下会多出两个
冬竹子·2020-07-08 09:17

Windows下caffe之测试mnist

一、参考资料悠望南山-CAFFE学习笔记（二）Caffe_Example之测试mnist二、训练所需要用到的文件1.mnist_test_lmdb（测试数据集，里面包括data.mdb和lock.mdb
MoonBreeze_Ma·2020-07-07 20:14

Caffe学习笔记(三)：cifar10_quick_train_test.prototxt配置文件分析

转载请注明作者和出处：http://blog.csdn.net/c406495762运行平台：Ubuntu14.04在上篇笔记中，已经记录了如何进行图片数据格式的转换和生成txt列表清单文件。本篇笔记主要记录如何计算图片数据的均值和理解prototxt配置文件中各个层的参数。Caffe主要处理两种形式的数据流：图像和标签在网络上的传输，随着网络的传输，它们转化更高层次的表示，最终以得分或者概率值的
Jack-Cui·2020-07-07 04:38

caffe学习（9）LeNet在Caffe上的使用

使用官网例程训练LeNet。TrainingLeNetonMNISTwithCaffe准备数据Caffe程序的运行要注意需命令行要在Caffe的根目录下。cd$CAFFE_ROOT./data/mnist/get_mnist.sh./examples/mnist/create_mnist.sh依次运行，会在caffe\examples\mnist下得到两个目录mnist_train_lmdb,和m
Yan_Joy·2020-07-07 01:24

caffe——模型训练数据的过程

目录下会生成一个build目录，在build目录下有个tools，这个里面有个可执行文件caffe，如下图所示：有了这个可执行文件我们就可以进行模型的训练，只需要学会调用这个可执行文件就可以了，这便是最简单的caffe
yx2017·2020-07-06 11:35

Caffe学习笔记：cifar10_quick_train_test.prototxt配置文件分析

转载请注明作者和出处：http://blog.csdn.net/c406495762运行平台：Ubuntu14.04在上篇笔记中，已经记录了如何进行图片数据格式的转换和生成txt列表清单文件。本篇笔记主要记录如何计算图片数据的均值和理解prototxt配置文件中各个层的参数。Caffe主要处理两种形式的数据流：图像和标签在网络上的传输，随着网络的传输，它们转化更高层次的表示，最终以得分或者概率值的
yx2017·2020-07-06 11:35

caffe学习系列——命令给行解析

caffe的运行提供三种接口：c++接口（命令行）、python接口和matlab接口。本文先对命令行进行解析，后续会依次介绍其它两个接口。caffe的c++主程序（caffe.cpp)放在根目录下的tools文件夹内,当然还有一些其它的功能文件，如：convert_imageset.cpp,train_net.cpp,test_net.cpp等也放在这个文件夹内。经过编译后，这些文件都被编译成了
yx2017·2020-07-06 11:35

Caffe学习1——在ubuntu16.04环境下安装Caffe（CPU）

目前在网上，已经存在很多的Caffe安装教程。本文主要介绍笔者在安装Caffe——CPU版本所遇到的问题（主要参考了网上的博客），以及相关解决方法。以下给出基于ubuntu16.04系统的Caffe的CPU安装步骤：1.安装gitsudoapt-getinstallgit2.安装依赖库sudoapt-getinstalllibprotobuf-devsudoapt-getinstallliblev
「已注销」·2020-07-06 07:18

Caffe学习系列(7)：solver及其配置

solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为#caffetrain--solver=*_slover.prototxt在DeepLearning中，往往lossfunction是非凸的，没有解析解，我们需要通过优化方法来求解。solver的主要作用就是交替调用前向（forward)算法和后向（backwar
weixin_34410662·2020-07-06 01:14

Caffe学习系列(23)：如何将别人训练好的model用到自己的数据上

caffe团队用imagenet图片进行训练，迭代30多万次，训练出来一个model。这个model将图片分为1000类，应该是目前为止最好的图片分类model了。假设我现在有一些自己的图片想进行分类，但样本量太小，可能只有几百张，而一般深度学习都要求样本量在1万以上，因此训练出来的model精度太低，根本用不上，那怎么办呢？那就用caffe团队提供给我们的model吧。因为训练好的model里面
weixin_33878457·2020-07-05 23:28

caffe学习笔记——loss及accuracy曲线绘制

仍然运用anaconda中的Spyder编译器环境进行曲线的绘制:（1）加载必要的库:#加载必要的库importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlineimportsys,os,caffe#设置当前目录caffe_root='D:/caffe/caffe-master/caffe-master/'sys.path.insert(0
wanty_chen·2020-07-05 19:11

caffe笔记

caffe配置Caffe+ubuntu14.04+Cuda8.0安装http://www.cnblogs.com/denny402/tag/caffe/关于caffe里面image_data_layer的使用Caffe
zbxzc·2020-07-05 18:35

【Caffe学习记录】caffe安装（win10+cpu+vs2015+python3.5）

一、准备条件1.下载caffe-windows下载2.下载CMake3.4以上版本，并将其安装包下的bin路径配置到系统环境变量PATH中3.下载anaconda34.2.0（一定是python3.5或2.7版本的，本文是3.5的）下载4.vs20155.编译时用到的文件包libraries_v140_x64_py35_1.1.0.tar.bz2下载二、安装1.安装vs20152.安装cmake3
Silence涂·2020-07-05 18:37

Caffe学习（九）使用Nsight Eclipse调试py-faster-rcnn（C++/python混合代码调试）

实验目的由于py-faster-rcnn均采用的是python接口，但是在内部调用了caffe的C++共享库_caffe.so，若想要搞清楚数据在网络中的具体流向，就必须要能够联合调试python和C++的混合代码，本文讲述如何使用Nsight实现这种功能。软件版本说明NsightEclipse版本：NsightVersion8.0，对应的Eclipse版本为Juno，Eclipse4.2JDK版
遍地流金·2020-07-05 17:26

Caffe学习（六）损失层及其参数设置

机器学习的目的就是通过对训练样本输出与真实值不一致的进行惩罚，得到损失Loss，然后采用一定的优化算法对loss进行最小优化，进而得到合理的网络权值。本文介绍Caffe中含有的常见的LossLayer及其参数设置方法Caffe的LossLayer主要由6个：（1）ContrastiveLossLayer对比损失函数主要用来训练siamese网络，改网络为专门处理同时输入两张图像的网络，如用于Fac
遍地流金·2020-07-05 17:26

Caffe学习(1):Ubuntu16.04上Caffe配置安装(Only CPU)

常说天作孽犹可违，人作孽不可活啊，那为了毕设，我就是作死啊。没办法自己从三月份辞掉实习开始断断续续学习深度学习，才明白入坑虽浅，基情不断啊。为了能够完成毕设，便选了Caffe，也到处都是坑啊。没办法，为了祭奠我那糟糕透顶的记忆脑细胞，用我这糟糕的文笔稍微记录一下吧。首先想吐槽一下，我的电脑没有Nvidia，没有Nvidia，没有Nvidia，重要的事情说三篇。在这上面就耽误了好几天。安装依赖包1.
Tuwangfei·2020-07-05 15:48

Caffe学习日记4

1.classBlob解析：（1）voidFromProto(constBlobProto&proto,boolreshape=true);：反序列化函数，从BlobProto中恢复Blob对象。（2）voidToProto(BlobProto*proto,boolwrite_diff=false)const;：序列化函数，将内存中的Blob对象保存到BlobProto中。（3）shared_pt
1000sprites·2020-07-05 11:03

Caffe学习——使用自己的数据（非图像）训练网络

Caffe学习——使用自己的数据（非图像）训练网络1.鸢尾花卉数据集鸢尾花卉数据集包含150个样本，4个特征（花萼长度，花萼宽度，花瓣长度和花瓣宽度），3个类别（山鸢尾，变色鸢尾和维吉尼亚鸢尾）[1]。
灰巧克力爱松露·2020-07-05 11:33

caffe学习笔记--实现CNN各层特征可视化

最近在阅读CNNvisualconvolutionnetwork论文，希望能使用caffe实现CNN的各层特征可视化，而不仅限于绘制网络结构图或者损失曲线图，所以查阅caffe官方教程和相关博客后，对caffe自带的分类例程00-classification.ipynb进行了测试运行，下面进行一些程序的讲解，希望能加强理解。PS：caffe实现可视化借助jupyternotebook这样强大的网页
小熊猫3·2020-07-05 04:44

Caffe学习系列(19): 绘制loss和accuracy曲线

如同前几篇的可视化，这里采用的也是jupyternotebook来进行曲线绘制。In[1]:#加载必要的库importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlineimportsys,os,caffe#设置当前目录caffe_root='/home/bnu/caffe/'sys.path.insert(0,caffe_root+'pyt
Lavi_qq_2910138025·2020-07-04 22:39

《caffe学习之路》第四章：Ubuntu16.04 caffe ssd实现目标检测

第三章写了如何搭建caffessd环境，这一章我们利用进行caffessd自带模型实现目标检测。参考官网：https://github.com/weiliu89/caffe/tree/ssd1、下载VGGNet网络下载地址：fullyconvolutionalreduced(atrous)VGGNet建议存储在CAFFE_ROOT/models/VGGNet/目录。下载不了可以到这里下载：http
小白clever·2020-07-04 18:23

Caffe学习之自定义创建新的Layer层

caffe源码中已经帮我封装好了各种各样的layer，但是有时候现有的layer不能满足设计的网络要求，这个时候需要自己定义一个新的layer，本文参考here，进行简单讲解，具体方式如下：一.创建.hpp文件1.添加你的layer头文件置于include/caffe/layers/下，比如include/caffe/layers/your_layer.hpp2.your_layer继承选择继承l
BVL10101111·2020-07-04 04:07

Caffe学习：绘制loss和accuracy曲线（使用caffe的python接口）

Caffe学习：绘制loss和accuracy曲线（使用caffe的python接口）上一篇博客讲到了使用caffe的工具包来绘制loss曲线和accuracy曲线，这篇文章主要将如何使用caffe的python
AUTO1993·2020-07-04 04:36

Caffe学习：绘制loss和accuracy曲线（使用caffe工具包）

Caffe学习：绘制loss和accuracy曲线（使用caffe工具包）我们在使用caffe训练深度网络的时候，最关心的往往是loss和accuracy的变化情况，一般为了比较直观的观察这两者的变化情况
AUTO1993·2020-07-04 04:36

《caffe学习之路》第三章：Ubuntu16.04 caffe ssd环境搭建

上一章描述的是原版的caffe环境搭建，这一章介绍caffessd环境搭建，和上一章稍有不同。环境：系统：Ubuntu16.04显卡:NVIDIAGTX2070搭建步骤：1、下载caffessdSSD采用的是在caffe文件夹中内嵌例程的方式，作者改动了原版caffe，所以你需要把原来的caffe文件夹移除，git命令会新建一个带有SSD程序的caffe文件夹，当然，这个新的caffe要重新编译一
小白clever·2020-07-02 03:02

Caffe学习笔记7：模型微调

一般来说我们通常都是需要在一些特定的领域里来识别分类，比如服装类、标志等等，但是深度学习中数据集的准备一直是最令人头疼的一件事。我们很难拿到大量的数据。在这种情况下重新训练的一个新的网络是比较复杂，且参数也不好调整，因此数据集为图像时，通过fine-tuning微调是一个比较理想的选择。Fine-tuning的整体思路就是，ImageNet是一个千万级的图像数据库，现已经在ImageNet上训练了
Zz鱼丸·2020-06-30 19:16

caffe学习笔记（二）--MNIST实例

LeNetMNIST实例MNIST手写数字数据库是另外一个更大的手写体数据库NIST的子集，现在已成为图像识别领域用来测试自己的算法的一个基准数据库，它的训练集由60000张手写数字图片样本组成，测试集包含了10000个样本，其中所有的图片样本都经过了尺寸标准化和中心化，图片的大小固定为28*28。据说该数据集中的图片是由美国中学生手写的数字，所以非常贴近实际，如果你的模型在该测试集上的测试精度能
狮子HH·2020-06-30 08:25

深度学习经历过程（caffe学习过程）

深度学习记录一、第一阶段：基本知识的学习小菜是从2016年6月初开始接触强大而神秘的DeepLearning，之前一直在学习传统的机器学习，学习DL之前，所接触的DL也就是每次参加从实验室的组会，听师姐汇报一些DL的理论知识，还有就是每次和一些大牛聊天的时候听他们说DL是多么的强大多么的牛X。今年出来实习，在我的实习老师的带领下终于可以开始DL之旅了，所以写点学习的记录，希望自己能在这条路上能坚持
穿越5极限·2020-06-30 02:18

caffe学习笔记（一）：mnist

caffe-mnist实例的官方链接http://caffe.berkeleyvision.org/gathered/examples/mnist.html1、在安装成功caffe的基础上运行mnist实例2、准备数据首先需要从MNIST网站上下载和改变数据格式，运行一下命令cdCAFFEROOT./data/mnist/getmnist.sh./examples/mnist/createmnis
二锅锅·2020-06-30 00:35

ubuntu14.04安装CUDA8.0 详细教程

复制转载自简书大神@庞贝船长本blog参考了masa_fish的Ubuntu14.04上安装CUDA7.5超详细教程denny的Caffe学习系列(1)：安装配置ubuntu14.04+cuda7.5+
lzw李正文·2020-06-28 22:04

Caffe学习（一）Caffe+ubuntu14.04+Cuda8.0安装

硬件配置：i76700K+GTX1080+32G2400MHzRAM+250GSSD1.ubuntu14.04安装刚装完以后系统有可能卡顿非常明显，此时是因为显卡驱动没有安装。2.GTX1080显卡驱动367.35安装Sudoapt-getupdate##更新源sudoadd-apt-repositoryppa:graphics-drivers/ppa按回车继续sudoapt-getupdates
遍地流金·2020-06-27 03:39

Caffe学习笔记5：学习率、迭代次数和初始化方式对准确率的影响

符号说明lr：LearningRate，学习率te：TrainingEpochs，训练迭代次数z：变量初始化为0t：变量初始化为标准截断正态分布的随机数最终准确率比较可以看到：学习率为0.01，迭代次数为50次，并且采用随机初始化方式时准确率远远低于其他方式，甚至不足90%。而学习率为0.1，迭代次数为50次，并且采用随机初始化的方式时准确率最高。对于采用随机初始化的方式，在其他参数相同的情况下增
Zz鱼丸·2020-06-26 21:36
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他