【caffe学习】第4页

caffe学习笔记6--训练自己的数据集

这一部分记录下如何用caffe训练自己的数据集,这里使用AlexNet的网络结构。该结构及相应的solver文件在CAFFE/models/bvlc_alexnet目录下，使用train_val.prototxt和solver.prototxt两个文件首先，在$CAFFE/examples/imagenet下面创建自己的文件夹，myimage,因为原始的Imagenet数据集太大，我们这里使用自己

thystar·2020-06-26 19:54

场景分类总结-caffe版

一、制作数据集参考：caffe学习系列：训练自己的图片集（超详细教程）点击打开链接1.1原数据集分

大木elina·2020-06-26 12:43

Ubuntu18.04下安装Caffe（CPU）心得

1.安装Anaconda和Caffepython安装就不说了，用的是Anaconda-3.7，安装很简单也很好用Caffe学习系列（一）Ubuntu16.04下搭建编译Caffe环境，并运行MNIST示例

Why not?·2020-06-25 07:00

caffe源码串联（一）

自己在学习过程中遇到了很多坑，由于基础太差，基本是寸步难行，看到繁杂的caffe源码就想按下电脑电源键强制关机，就在我要放弃之刻，我遇到了老司机志轩，志轩老湿的一番话让我茅塞顿开，故决定开博文写自己的caffe

paranoid_CNN·2020-06-24 19:53

Caffe 学习：Eltwise层

Caffe学习：Eltwise层Eltwise层的操作有三个：product（点乘），sum（相加减）和max（取大值），其中sum是默认操作。

d5224·2020-06-23 02:55

Caffe学习纪录01

针对TrainingLeNetonMNISTwithCaffe的Demo分析1、设置网络文件的存储位置@CAFFE_ROOT/src/caffe/proto/caffe.proto设置文件存储在一个.proto文件里面，在这里面设置了我们所要的网络特性和参数2、定义自己的网络首先从整理的来看一下，在这个Demo里面我们定义了一下几个Layer（用Type名代替）Data：layer{name:"m

DeamoV·2020-06-22 12:35

Caffe学习记录：Cifar-10 自定义网络训练记录

本部分的实验主要记录调整网络的过程，并记录实验结果。——Jeremy模型1层类别具体信息conv1output:32,kernel:5,stride:1pad:2pool1pool:MAX,kernel:3,stride:2relu1Sigmoidnorm1LRNip1200ip210实验结果：Iteration60000,loss=0.801631Iteration60000,Testingne

LinJM-机器视觉·2020-06-22 00:31

Caffe学习记录03 - BP算法

reference：Wiki资料卷积神经网络在图像分类中的应用研究(这个里面反向传播算法介绍的特别好，推荐看)参考资料总结：目前阶段我们不需要知道具体是怎么算得，大体了解推理过程就可以了。然后知道学习速率在哪里，和损失函数在反向传播算法里面起了什么作用就好了。但是要记住以下结论1、隐层阀值梯度值取决于隐层神经元输出、输出层阀值梯度和隐层与输出层的连接权值2、在阀值调成过程中，当前层的阀值梯度取决于

DeamoV·2020-03-24 09:10

caffe学习资料

1.PPT：《DIYDeepLearningforVision:aHands-OnTutorialwithCaffe》2.CaffeModelZOO:https://github.com/BVLC/caffe/wiki/Model-Zoo3.DEMOURL：http://demo.caffe.berkeleyvision.org/4.本源：http://caffe.berkeleyvision.o

distTriumph·2020-03-05 11:36

Caffe学习笔记1：用训练好的mnist模型进行预测（两种方法）

caffe的mnist训练起来挺方便，但是怎么进行预测呢？参考：http://blog.csdn.net/l691899397/article/details/52233454http://www.jianshu.com/p/9644f7ec0a03http://www.jianshu.com/p/9e30328a0a71理论可以参考一下第一个博客，也可以看看论文。我认为进行预测两个关键的步骤是：

Zz鱼丸·2020-03-01 02:47

Caffe学习记录04-可视化输出

序言大概这部分的内容只是为了更好的展示吧，这部分也是自己的毕业设计的内容之一。整体选用的方法就是用IPython结合Caffe给的接口进行可视化输出。没有特别难懂的部分。唯一的难点在于它的很多教程版本老，有些函数不适用于新的版本。这里给出的方法是自己实际测试过的。正文相信看这个的文章的人，可能和我一样是新手，而且希望直白一点，如果能直接用再加点说明就最好，我这里就用这种方式吧。01、Ipython

DeamoV·2020-02-26 23:55

Caffe学习记录02

用AlexNet训练自己的数据集参考资料本篇重点在于讲述如何讲自己的数据集转化为Caffe能用的数据集，至于具体的网络分类和调参方法，以及不同网络的优缺点，咱们在之后再谈。同时本文几乎就是使用的上述参考资料的方法，这篇文章等同于自己实践操作的记录参考资料里面好多内容都要慎重考虑，比如网络就没有给全，resize图片也没有给出目标之前大体了解了Caffe的网络是怎么构建的，这里介绍下如何具体的训练自

DeamoV·2020-02-10 22:29

Ubuntu 14.04安装CUDA-8.0

about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+caffe+cudnndongbeidami

庞贝船长·2020-02-06 13:36

Caffe学习笔记8：Faster R-CNN运行及实时性DEMO测试

faster-rcnn：FastRegion-basedConvolutionalNeuralNetworks基于区域的卷积神经网络http://blog.csdn.net/column/details/ym-alanyannick.html先感谢敖川学长给我提供练手的电脑！前面都学习CNN在图像分类上的巨大优势和应用，但是要把CNN用作目标检测改怎么实现，困扰了我很久。学了几天先作个笔记。在Fa

Zz鱼丸·2020-01-06 02:48

caffe学习系列一：windows平台下caffe环境的搭建

学习caffe完全是出于兴趣，觉着人工智能的时代到来了，笨鸟先飞吧。PS：caffe源码是用c++写的，所以如果想用python或者matlab调用caffe的需要额外配置和安装python和matlab环境，如果你是用c++来编写自己的深度学习代码，则直接安装caffe编译完成就可以使用了。一、安装编译环境1、Visualstudio2013这个比较简单，不写步骤了。2、python2.7.6为

singularpt·2019-12-26 03:45

Caffe学习笔记4：特殊的层及solver最优化求解

今天总结一下搜到的一些知识：感谢http://blog.csdn.net/roslei/article/details/52807699http://blog.csdn.net/u013066730/article/details/53764155http://blog.csdn.net/qq_26898461/article/details/50445392卷积神经网络（CNN）中的一些特殊层B

Zz鱼丸·2019-11-01 14:15

Caffe学习使用__运行caffe自带的两个简单例子

为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。注意：在caffe中运行所有程序，都必须在根目录下进行。1、mnist实例mnist是一个手写数字库。mnist最初用于支票上的手写数字识别,现在成了DL的入门练习库。征对mnist识别的专门模型是Lenet

Ranxf·2019-09-12 17:00

【Caffe学习六】Object Detection based on the Caffe-SSD Net——自己的数据集

参考链接：https://blog.csdn.net/lk123400/article/details/61191239http://www.voidcn.com/article/p-hidencyl-brx.htmlhttps://blog.csdn.net/yudiemiaomiao/article/details/77897832https://blog.csdn.net/jqw11/art

@Vivian·2019-07-18 17:02

Caffe学习笔记（四）自定义layer并测试

实例：添加一个sin层主要过程：头文件：include/caffe/layers/your_layer.hpp层定义：src/caffe/layers/your_layer.cpp和src/caffe/layers/your_layer.cu[可选]测试文件：test/test_your_layer.cpp在build文件夹下进行测试头文件定义在caffe_root/include/caffe/l

不吃饭就会放大招·2019-06-29 17:36

【caffe学习笔记】caffe问题集

1、caffemodel和solverstateAnyexamplesofusing.solverstatewithpythoninterfaceCaffe的配置文件校验实现分析2、scale和bias层ScaleandBiasLayersAddScalarLayertomultiplytwoBlobswithbroadcasting3、random_seedrandom_seeddoesntcr

1273545169·2019-06-13 16:41

Caffe学习笔记（三）Caffe训练

笔记（三）：用Caffe已有的网络模型训练自己的数据文章目录1.准备数据2.生成LMDB文件3.生成均值文件4.用预训练模型进行训练5.绘制loss曲线6.训练问题记录1）loss不下降2）测试报错1.准备数据1）再划分训练数据这里使用的是kaggle的二分类数据集：cat&dog，cat和dog的train包内各有12500张图片，将图像分为两批：训练数据（train）和验证数据（val），一般

不吃饭就会放大招·2019-06-03 08:22

Caffe学习笔记（一）Caffe训练常用文件

笔记（一）：Caffe训练中用到的一些关键文件，以及这些文件的内容和作用。文章目录1.train.prototxt文件1.1数据层1.2卷积层1.3池化层1.4激活层1.5全连接层1.6损失函数层1.7BN层1.8Dropout层1.9准确率层2.solver.prototxt文件Caffe训练模型时，需要两个文件：train.prototxt和solver.prototxt，其中：train.p

不吃饭就会放大招·2019-06-02 11:10

Caffe学习（四）：SSD安装及训练自己的数据集

1.SSD安装首先进行SSD的安装gitclonehttps://github.com/weiliu89/caffe.gitcdcaffegitcheckoutssdcpMakefile.config.exampleMakefile.config#这里和安装Caffe的makefile文件修改一样mkdirbuildcdbuildcmake..makeall-j16makeinstallmaker

每天都很阳光·2019-05-30 07:17

Caffe学习（一）：安装配置Caffe超详细教程（GPU版本） CUDA10.0+cudnn7.6.0+OpenCV3.4.5

我的电脑配置是GPURTX2080显卡CPUi7-87003.2GHz从安装好ubuntu16.04系统开始说起：1.安装好系统后，第一步安装google浏览器和搜狗输入法，并更新好系统配置。google浏览器和搜狗输入法都可以直接通过浏览器直接搜索软件下载安装，提供ubuntu版本。2.更改源：勾选源代码，选择aliyun源3.安装显卡驱动：3.1安装依赖项，按照顺序复制到终端安装即可：sudo

轻远清清·2019-05-27 19:40

2019-05-17 Machine Learning Course

machine-learning-course.readthedocs.io/en/latest/Historyhttp://python.jobbole.com/88705/吴恩达课程的非官方笔记http://www.holehouse.org/mlclass/徐其华Caffe

七点水Plus·2019-05-17 07:03

Caffe 学习系列（9）：用训练好的模型（caffemodel）来分类新的图片

引言经过前面的Caffe学习系列的博文，我们已经寻练好了一个caffemodel模型，并生成了一个deploy.prototxt文件，现在我们就利用这两个文件来对新的图片进行分类预测。

志小·2019-04-22 19:34

Caffe学习系列（2）：计算图片数据的均值

引言图片减去均值后，再进行训练和测试，会提高速度和精度。因此，一般在各种模型中都会有这个操作。均值的计算实际上就是计算所有训练样本的平均值，计算出来后，保存为一个均值文件。在以后的测试中，就可以直接使用这个均值来相减，而不需要对测试图片重新计算。一、二进制格式的均值计算caffe中使用的均值数据格式是binaryproto，作者为我们提供了一个计算均值的文件compute_image_mean.c

志小·2019-04-15 14:45

Caffe学习系列（十三）：空洞卷积及Caffe实现

Caffe学习系列（十三）：空洞卷积及Caffe实现1.空洞卷积的理解空洞卷积1.空洞卷积DilatedConvolutions，翻译为扩张卷积或空洞卷积。

la_fe_·2019-04-03 09:33

使用protobuf序列化buffer

www.ibm.com/developerworks/cn/linux/l-cn-gpb/ProtocolBuffers是一种轻便高效的结构化数据存储格式，可以用于结构化数据串行化，或者说序列化（神经网络->caffe

ddddfang·2019-04-02 13:39

Caffe学习系列（十二）：Caffe-SSD 输出准确率、召回率和P-R曲线

Caffe学习系列（十二）：Caffe-SSD输出准确率、召回率和P-R曲线1.SSD网络模型修改VGG的网络模型由ssd_pascal.py文件生成，可生成VGG，ZF，Resnet101和Resnet152

la_fe_·2019-03-08 14:01

pycaffe定义net层和测试网络

我是小蚂蚁·2019-01-07 09:44

深度学习框架Caffe学习系列(2)：Ristretto 量化 cifar_small 实验记录

模型压缩之量化策略Caffe量化工具：Ristretto近似方案学习资源量化cifar_small模型1.创建模型训练文件2.创建模型训练参数文件3.开始训练原始模型4.测试训练好的模型5.量化模型5.1量化cifar_small模型量化失败原因分析合并BatchNorm层5.2Caffe自带的cifar10_quick模型问题答疑模型文件转换：darknet的cfg文件转换成caffe的prot

努力努力在努力丶·2018-12-21 17:23

Caffe 学习系列（七）：MobileNet-YOLO 安装与训练

Caffe学习系列（七）：MobileNet-YOLO安装与训练基于darknet实现mobilenet基于darknet框架实现DepthwiseConvolutional层深度学习（七十）darknet

la_fe_·2018-12-12 14:40

Caffe 学习系列（六）：MobileNet-SSD 安装与训练

Caffe学习系列（六）：MobileNet-SSD安装与训练MobilePlatformhttps://github.com/chuanqi305/rscnn1.数据集转换VOC数据集制作在yolo学习系列

la_fe_·2018-12-09 16:59

Caffe学习系列（九）：网络压缩与剪枝

Caffe学习系列（九）：网络压缩与剪枝Flag1.网络压缩github搜Deepcompression结果1.1SqueezeNet-Deep-Compressionhttps://github.com

la_fe_·2018-12-02 18:56

Caffe学习：3. 生成自己的数据集(一) Dogs VS Cat

Caffe由两种常用的数据集格式，一种是LMDB，另一种事HDF5，前者常用来做分类问题（单标签），后者用来做回归问题（多标签）。今天用经典的猫狗数据集生成自己的LMDB数据集。一、准备数据集我们用的数据集事经典的Kaggle数据集，可以直接在Kaggle上下载到，本地的百度云网盘也会在文末放出。二、生成准备文件1.按文件存放。刚下载下来的数据集只有train和test压缩包，我们从train中选

小可爱的大笨蛋·2018-10-27 22:34

caffe学习笔记5-制作LMDB数据

鬼夫子·2018-10-18 22:21

caffe学习笔记2--卷积层和池化层、激活函数、全连接层的编写

layer{name:“conv1”type:“Convolution”top:“conv1”bottom:“data”#跟数据层的输出相对应，表示输入的数值的属性，因为在数据层中输出的是data属性，卷积层连接的是数据层，故是dataparam{lr_mult:1#对权重参数的定义，W，最终的学习率是solver.prototxt中的base_lr乘以W}param{lr_mult:2#对偏置参

鬼夫子·2018-10-16 23:16

10.1 深度学习框架Caffe学习与应用-数据集准备和扩增、图像预处理

一、数据集准备和扩增数据准备：一般数据集可能不会给出验证集，所以自己会从给的训练集中按照一定比例（9:1）分离出验证。数据的扩增：因为深度网络需要在大规模的训练图像上来满足性能，所以，当原始数据集不够时需要进行数据扩增。常用方法：1）沿着X轴将图片左右翻转：如镜像。2）随机的剪切、缩放、旋转。3）颜色抖动：R、G、B分别随机在一定范围内的做增减。4）提高图像中像素的饱和度（可以改变光线明暗对图片识

wtj318_·2018-09-26 11:59

Caffe学习(九)——Blob,Layer,Net实践

前面几节讲到Blob,Layer,Net，下面直接实践看下Caffe中Blob,Layer,Net如何使用和输出。使用caffeminist中实例（输入python命令进入python的交互界面）：>>>importcaffe>>>net=caffe.Net("examples/mnist/lenet_train_test.prototxt","examples/mnist/lenet_iter_

hello小崔·2018-08-21 22:41

Caffe学习(六)——Blob代码文件介绍

src/caffe/proto/caffe.proto该文件主要描述Blob数据结构，主要包括：//描述Blob的shape信息messageBlobShape{repeatedint64dim=1[packed=true];//int64类型数值，表示Blob每个维度大小。packed=true表示这些值在内存中紧密排布，没有空洞}//描述Blob在磁盘存储的信息messageBlobProto

hello小崔·2018-08-20 23:42

Caffe学习(五)——Blob,Layer,Net介绍

简介深度网络（Net）是由许多互相连接的层（layers）组合成的组合模型，Caffe定义的网络模型就是这样逐层(layers)连接。Net包含了整个自顶向下的网络，网络由各个Layer组合而成；Layer指处理数据的单层运算算子（比如卷积运算、pooling运算等）；Blob是网络运行时数据存储、传递和操作的接口；以examples/mnist/lenet_train_test.prototxt

hello小崔·2018-08-20 23:04

Caffe学习(三) —— 运行第一个程序

Caffe优点之一是自带学习用例，所以初次接触caffe时，可以直接使用caffe自带的用例运行一次，感受一下caffe的使用。（因为caffe不自带练习数据，所以需要联网，下载）下载数据mnist是一个大型的手写数字库，由纽约大学YannnLeCun教授整理，里面包括60000个训练集和10000个测试集，每个样本为28*28大小的黑白图片，手写数字为0-9，可以从官方网站http://yann

hello小崔·2018-08-20 00:07

Caffe学习(二) —— 下载、编译和安装Caffe（源码安装方式）

说明采用caffe源码编译安装方式Caffe编译仅CPU支持版本下载可以通过登陆官网下载：https://github.com/BVLC/caffegitclonehttps://github.com/BVLC/caffe.git但是因为github国内下载慢，所以在gitee上fork了一份gitclonehttps://gitee.com/cuibixuan/caffe.git推荐git下载，

hello小崔·2018-08-13 23:05

Caffe学习(一) —— caffe介绍和推荐学习资料

介绍Caffe(ConvolutionalArchitectureforFastFeatureEmbedding)是由伯克利视觉和学习中心(BerkeleyVisionandLearningCenter,BVLC)开发的基于C++/Python实现的卷积神经网络框架，由贾扬清开发和维护。Caffe提供了C++、Python和Matlab的接口，目前版本较多。Caffe主页：http://caffe

hello小崔·2018-08-13 23:19

Caffe 学习系列（三）：训练mnist数据集

#Caffe学习系列（三）：训练mnist数据集参考这篇Caffe入门：LeNet模型介绍与网络训练测试例子1、获取mnist数据集cd~/caffesduo.

la_fe_·2018-08-10 09:01

深度学习框架之Caffe学习总结

一简介caffe是2013年由加州大学伯克利分校的贾杨清博士在Github上发布的一款深度学习开源框架。它的核心语言是C++，支持python和matlab接口。既可以在CPU上运行，又可以在GPU上运行。主要应用于计算机视觉领域，如图像识别，目标识别，人脸识别，图像风格转换等方面。我们可以按照框架定义各种各样的卷积神经网络的结构，并且可以再此框架下增加自己的代码，设计新的算法，该框架的一个问题就

wu-ming·2018-08-02 01:00

caffe学习笔记（二）：Mnist手写体数字识别实例

手写体识别基本是caffe入门的必修课，caffe官方教程最为正宗，在此给出官方教程链接：http://caffe.berkeleyvision.org/gathered/examples/mnist.html另外有大神已经进行了详细翻译，在此附上链接，就不再进行重复编写。https://blog.csdn.net/real_myth/article/details/52743407另外为了更好的

小熊猫3·2018-07-24 15:26

caffe学习笔记（一）: caffe训练流程(超详细)

一、准备数据1.得到文件列表清单2.转换成Lmdb格式在caffe中经常使用的数据类型是lmdb或leveldb，因此需要将原始图片文件转化为能够运行的db文件。在caffe中存在convert_imageset.cpp，存放在根目录下的tools文件夹下。编译之后，生成对应的可执行文件放在buile/tools/下面，这个文件的作用就是用于将图片文件转换成caffe框架中能直接使用的db文件。命

小熊猫3·2018-07-24 15:19

Caffe学习1-图像识别与数据可视化

本文采用深度学习库caffe做图像的识别与分类，所用模型为caffemodel。具体参考caffe官网：http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb#用caffe来进行图像的识别和各层可视化#加载各个模块，比如python，numpy和matploblibimpo

haoji007·2018-07-21 21:34

推荐频道

【caffe学习】