Caffe学习系列第37页

FPGA部署卷积神经网络之量化 Caffe restretto 量化工具解析

Cafferestretto动态量化主要记录下DYNAMIC_FIXED_POINT模式下对Lenet5的量化过程。

鹏宝阿加西·2023-02-02 13:27

"OverflowError: long int too large to convert to int " in Caffe Net_params

_layer_names,self.layers)iflen(lr.blobs)>0])OverflowError:longinttoolargetoconverttoint解决方案：修改了caffe的源码之后

倾情一剑·2023-02-02 12:28

【经典】吴恩达——机器学习笔记001

【经典】吴恩达——机器学习笔记001机器学习(MachineLearning)笔记001学习地址：[中英字幕]吴恩达机器学习系列课程文字版参考及PPT来源：Coursera-ML-AndrewNg-Notes

superME1226·2023-02-02 10:40

飞桨万能转换小工具X2Paddle，教你玩转模型迁移

现在，有个好消息：无论Caffe、TensorFlow、ONNX都可以轻松迁移到飞桨平台上。

kasdfu·2023-02-02 09:53

Spark2.0机器学习系列之4：随机森林介绍、关键参数分析

概述随机森林是决策树的组合算法，基础是决策树，关于决策树和Spark2.0中的代码设计可以参考本人另外一篇博客：http://blog.csdn.net/qq_34531825/article/details/52330942随机森林Spark中基于Pipeline和DataFrame的代码编写和决策树基本上是一样的，只需要将classifer换一下可以了，其它部分是一模一样的，因此本文不再对代码

千寻千梦·2023-02-02 09:58

matlab 人脸对齐,MTCNN人脸检测&&对齐--官方代码笔记

首先还是象征性的贴张图，这是文章的Pipeline：环境搭建官方的代码是基于caffe搭建的，因此这个代码想跑起来基本上难点也就

ZUHXS·2023-02-02 07:49

webservice开发学习系列

webservice开发学习系列最近项目中用webservice与外系统交互，之前项目也用到过webservice，只是一直没有沉淀相关知识体系网络和和开发套路总结，最近在繁忙的工作中狠狠的抽时间整理了一下相关知识体系和开发经验套路

理想是一盏灯·2023-02-02 06:50

Caffe学习笔记1-安装以及代码结构

Caffe学习笔记1-安装以及代码结构ByYuFeiGan2014-12-09更新日期:2014-12-09安装按照官网教程安装，我在OSX10.9和Ubuntu14.04上面都安装成功了。

baobei0112·2023-02-01 17:35

常见的Java本地缓存技术（Guava Cache、Caffeine、Encache）

前言对一个java后台开发者而言，提到缓存，第一反应就是redis和memcache。利用这类缓存足以解决大多数的性能问题了，并且java针对这两者也都有非常成熟的api可供使用。但是我们也要知道，这两种都属于remotecache（分布式缓存），应用的进程和缓存的进程通常分布在不同的服务器上，不同进程之间通过RPC或HTTP的方式通信。这种缓存的优点是缓存和应用服务解耦，支持大数据量的存储，缺点

摩V羯座·2023-02-01 17:59

pytorch搭建孪生网络比较人脸相似性

参考文献：神经网络学习小记录52——Pytorch搭建孪生神经网络（Siamesenetwork）比较图片相似性_Bubbliiiing的博客-CSDN博客_神经网络图片相似性Python-深度学习系列

xukobe97·2023-02-01 14:03

TensorFlow 中的 LRNOp

TensorFlow中的LRNOp与Caffe的差异：直接使用平方和而不是像论文中一样使用平方和的均值，因此算子的推荐参数有所不同；仅支持NHWC格式的输入；CPU后端除框架源码外还会调用MKL；GPU

图波列夫·2023-02-01 12:53

python 复现 Unet 论文中的 Weight Map

但是我翻遍github上的几个Unet经典实现（包括论文开源的caffe版本），都没有找到损失加权图的实现代码。我今天尝试着实现了一下，得到了与论文中几乎一致的结果，分享给大家。

c2a2o2·2023-02-01 11:53

Caffe2 Detectron安装错误记录

caffe2caffe2的安装方法有几种。其中最方便的是condainstall。但是要求必须安装Anaconda。

AlanMa·2023-02-01 11:10

利用TensorRT实现神经网络提速(读取ONNX模型并运行)

TensorRT具备的功能目前TensorRT的最新版本是5.0,TensorRT的发展其实已经有一段时间了,支持转化的模型也有caffe、tens

z649431508·2023-02-01 08:10

pytorch模型(.pth)转tensorrt模型(.engine)的几种方式

深度学习系列文章文章目录深度学习系列文章前言一、trtexec二、torch2trt三、torch2trtdynamic四、parser解析onnx模型五、tensorrtx六、onnx-tensorrt

武魂殿001·2023-02-01 08:48

Caffe中训练日志的可视化

采用shell脚本进行caffe训练时，可以重映射输出训练过程到train.log文件，如$CAFFE_ROOT/build/tools/caffetrain--solver=solver.prototxt

zhenggeaza·2023-02-01 06:48

Contrastive Loss (对比损失)

在caffe的孪生神经网络（siamesenetwork）中，其采用的损失函数是contrastiveloss，这种损失函数可以有效的处理孪生神经网络中的paireddata的关系。

LittleStudent12·2023-02-01 03:26

Pytorch 损失函数

utm_source=itdadao&utm_medium=referralPyTorch学习系列(一)——加载数据并生成batch数据

fangxu622·2023-01-31 23:14

PyText 是一个基于 PyTorch 实现的 NLP 框架

它通过为模型组件提供简单和可扩展的接口和抽象，以及使用通过PyTorch优化的Caffe2执行引擎可以导出用于推断的模型的能力，来实现这一点。

磐创AI_聊天机器人·2023-01-31 22:05

并发学习04-内存模型基础

该并发学习系列以阅读《Java并发编程的艺术》一书的笔记为蓝本，汇集一些阅读过程中找到的解惑资料而成。这是一个边看边写的系列，有兴趣的也可以先自行购买此书学习。

蜜汁炒酸奶·2023-01-31 21:42

Mybatis基础学习之一级缓存和二级缓存的简单使用

这个Mybatis基础学习系列是用来记录我学习Mybatis框架基础知识的全过程(这个系列是参照B站狂神的Mybatis最新教程来写的，由于是之前整理的，但当时没有发布出来，所以有些地方可能有错误，希望大家能够及时指正

狂奔の蜗牛rz·2023-01-31 17:44

机器学习技术栈

SVM/NN/Bayesian/PCA/LDA/CNN/RNN/LSTM/Word2Vex/HMM/Maxent/CRF）6.熟悉深度神经网络RBM/CNN/DBN/Sparsecoding/RNN7.对Caffe

王律·2023-01-31 15:54

【深度学习系列（六）】：RNN系列（2）：RNN的基础单元之QRNN、IndRNN以及JANET

TableofContents一、QRNN1.1、QRNN网络结构二、IndRNN2.1、IndRNN网络结构三、JANET3.1、JANET网络结构一、QRNN1.1、QRNN网络结构QRNN(Quasi-RecurrentNeuralNetworks)二、IndRNN2.1、IndRNN网络结构独立循环神经网络(indRNN)三、JANET3.1、JANET网络结构神奇！只有遗忘门的LSTM性

wxplol·2023-01-31 14:24

2021-10-11Datawhale深入浅出PyTorch笔记：PyTorch简介与安装

PyTorch简介1.1.1PyTorch的介绍PyTorch是由Facebook人工智能研究小组开发的一种基于Lua编写的Torch库的Python实现的深度学习库，目前被广泛应用于学术界和工业界，而随着Caffe2

JeffDingAI·2023-01-31 11:07

机器学习系列（吴恩达版）

机器学习笔记（0）常见概念&一些术语（随学习进度更新，部分个人理解）监督学习（SupervisedLearning）给定训练集后，通过算法让机器学习分类、标识等操作。无监督学习（UnsupervisedLearning）根据没有被标记的训练样本，来自动完成分类等操作。支持向量机（SupportVectorMachine,简称SVM）是一类按监督学方式对数据进行二元分类的广义线性分类器（genera

MDRG_Learning·2023-01-31 11:34

基于Spring Cache实现Caffeine、jimDB多级缓存实战

作者：京东零售王震背景在早期参与涅槃氛围标签中台项目中，前台要求接口性能999要求50ms以下，通过设计Caffeine、ehcache堆外缓存、jimDB三级缓存，利用内存、堆外、jimDB缓存不同的特性提升接口性能

·2023-01-31 11:04

GANs学习系列(3)：GANs main stream paper

TheresearchfordevelopmentofGANs1.adversarialexamples1)Intriguingpropertiesofneuralnetworks,byChristianSzegedyatGoogle,etal，20142)KurakinA,GoodfellowI,BengioS.Adversarialexamplesinthephysicalworld[J].a

Alanyannick·2023-01-31 10:46

Caffe训练自己的数据集

标签（空格分隔）：caffeLinux深度学习之前，我们已经完成了faster-rcnn的训练和测试工作，得到了person所在的区域。

dacf13a4e779·2023-01-31 04:21

之《中医学习系列》

藏象学说-心脏心主神明，心主血脉，由于心的主血脉和主藏神的机能起到的主宰人体整个生命活动的作用，故称心为＂君主之官＂。＂身之本＂“五脏六腑之大主。”心主血脉指的是心气推动和调控血液在脉道中运行。流注全身，发挥营养和滋润的作用。固此在外在的形象也有所示：巜黄帝内经》：心在体合脉，其华在面，在窍为舌，在志为喜，在液为汗。从生活当中，我们可能很少关注自己的脸色，舌头或者情绪，但是一个人要是出汗，我们感受

云鉴1378·2023-01-31 03:41

算法模型在移动端的部署

优点：部署相对简单，现成的框架（caffe，theano，mxnet，Torch)做下封装就可以直接拿来用；使用服务器进行计算，性能强，能够处理比较大的模型缺点：必须使用网络，而且展示效果依赖网速，不适合实时性要求高的应用

青春须早为,岂能长少年·2023-01-30 23:27

\caffe2_detectron_ops_gpu.dll“ or one of its depende

笔者今日通过conda安装pytorch后，顺利安装但importtorch时发现如上报错多次删除环境重新安装都没有效果解决方案pipinstallintel-openmp参考

孟大师·2023-01-30 16:56

Error loading “caffe2_nvrtc.dll“ or one of its dependencies.

Errorloading"C:\ProgramData\Anaconda3\lib\site-packages\torch\lib\caffe2_nvrtc.dll"oroneofitsdependencies

AppleII·2023-01-30 16:49

Caffeine Cache 进程缓存之王

https://cloud.tencent.com/developer/article/1462616

governlee·2023-01-30 16:34

caffe c++API特征提取

作为caffe初学者，特征提取python官方给的教程比较好用；但是关于c++API的使用，找了一些资料，说的并不是特征完善；项目要求，得到ImageNet图像在CaffeNet网络结构中第fc7层的特征

不会享受孤单的衰老并不完美·2023-01-30 12:46

Windows7+VS2013+Anaconda2-4.3.1(Python2.7)+OpenCV2.4.10－Caffe框架搭建(无GPU)

前言：通常，深度学习框架Caffe的搭建都会用到GPU加速，下载NVIDIA推出的并行计算平台CUDA，而CUDA的运行需要NVIDIA显卡的支持，一般的AMD显卡都不支持，所以不支持CUDA加速的，就只能考虑单

夜中的风·2023-01-30 09:29

深度学习系列之CNN核心内容

导读怎么样来理解最近异常火热的深度学习网络？深度学习有什么亮点呢？答案其实很简答，今年十月份有幸参加了深圳高交会的中科院院士论坛，IEEEfellow汤晓欧做了一场精彩的报告，这个问题被汤大神一语道破，他说深度学习网络说白了就是一个多层的神经网络。同20年前相比，计算机硬件性能提升很多，有了实现处理大数据和并行运算的能力，deeplearning才被重新重视起来。这里，再重复一遍CNN的实质：CN

烧技湾·2023-01-30 08:14

深度学习系列之ANN

到此，ANN网络从最基础的单层感知器，到为深度网络作模板延伸的BP网络，将模型结构、参数训练、算法都举例讲解的很透彻，为下面的CNN网络的学习打下坚实的基础。（这个在线编辑器，体验太差了，好好写一篇长文章，想知道博客上与大家交流，转换过程太麻烦，所以直接贴图片）

烧技湾·2023-01-30 08:13

机器学习系列3：运行一个demo

本文开始，我们运行一个真实的机器学习模型。ok，StepbyStep。0x00：启动docker上篇文章已经介绍过sudodockerrun--nameming-tensortflow-it-p8888:8888-v~/pythonstudy:/studytensorflow/tensorflow正常情况下，你能够看到terminal里给出一个url把URL复制到浏览器里登录即可，如果使用云服务器

chinie3305·2023-01-30 07:30

/deform_conv_cuda.cpython-37m-x86_64-linux-gn.so: undefined symbol: _ZN6caffe26detail3

用python调用c++库函数deform_conv_cuda.cpp时，我们在链接到.so动态库时一般输入‘importdeform_conv_cuda’，此时会发生这样的错误：ImportError:/home/user/repos/mmdetection/mmdet/ops/dcn/deform_conv_cuda.cpython-37m-x86_64-linux-gnu.so:undefi

youeiちゃん·2023-01-30 05:12

runtime学习系列之方法调用

苹果开源网站官方文档在Objective-C里面，方法分为实例方法和动态方法，但是不管是实例方法还是动态方法，最终都会变为一句函数调用objc_msgSend；通常给对象发送一个未知消息的时候，程序往往会崩溃，并提示unrecognizedselectorsendtoinstance，那么runtime是如何实现方法的调用呢？首先要知道，Objective-C的继承体系是什么样子的？在方法的调用的

kim_xx·2023-01-29 20:18

tensorflow、mxnet、pytorch、Caffe安装

目录准备工作设置conda国内镜像源conda深度学习环境tensorflow、mxnet、pytorch安装tensorflowmxnetpytorchCaffe安装配置文件修改编译时常见错误运行时错误参考

like_study_cat·2023-01-29 17:21

Unsupported gpu architecture 'compute_11'解决方法

ubuntu16,TitanX显卡,编译caffe时，opencv-2.4.11，报错Unsupportedgpuarchitecture'compute_11'实际上TitanX对应的是compute

wuzuyu365·2023-01-29 11:29

Netty模型图解超细节（Netty第二步）

动态每日更新算法题，想要学习的可以关注一下一起学习系列文章目录第一章初识NIO(同步非阻塞的I/O模型)(Netty第一步)文章目录系列文章目录一、Netty是什么？

互联网底层人员·2023-01-29 10:40

ubutun18.4 深度学习环境的搭建

nvidia显卡驱动+cuda+cudnn+pytorch+TensorBoardX+visiom+anconda2.1安装python的其他的包3.安装pycharm4.安装ftp为知笔记截图工具5.安装caffe

dadaHaHa1234·2023-01-29 09:36

TensorFlow学习(一)

相较于Caffe，TensorFlow上手较难，运行速度慢，且内存耗费高，但是TensorFlow使用了张量（tensor）运算的符

就是会把话说反·2023-01-29 06:27

PCL点云库调库学习系列——关键点NARF（附完整代码）

PCL–关键点关键点也称为兴趣点，它是2D图像、3D点云或曲面模型上，可以通过定义检测标准来获取的具有稳定性、区别性的点集。从技术上来说，关键点的数量相比于原始点云或图像的数据量小很多，它与局部特征描述子结合在一起，组成关键点描述子，常用来形成原始数据的紧凑表示，而且不失代表性与描述性，从而可以加快后续识别、追踪等对数据的处理速度。关键点提取是2D与3D信息处理中不可或缺的关键技术。1NARF关键

InfinityCoder3·2023-01-28 15:10

PCL点云库调库学习系列——随机采样一致性（附完整代码）

随机采样一致性实现功能从输入点云中，找到符合某种模型的点云集具体为：随机产生一系列点云，创建两个随机采样一致性模型为球和平面，根据参数的不同选择不同的模型，执行参数估计，可以得到模型中的局内点，最后将结果可视化显示出来关键函数//1.随机采样执行流程pcl::SampleConsensusModelPlane::Ptrmodel_p(newpcl::SampleConsensusModelPlan