Caffe学习系列

工程配置（三） vs2015+Caffe配置自己的工程

Win10+vs2015+Caffe动（静）态库配置自己的工程转载请注明原出处：http://blog.csdn.net/ouyangfushu/article/details/79546566作者：SyGoingQQ
SyGoing·2023-01-18 16:49

[转]caffe源码解析 — caffe.proto

原文地址引言要看caffe源码，我认为首先应该看的就是caffe.proto。
yuanCruise·2023-01-18 16:49

caffe网络模型中各层功能的详解

Layer（层）是Caffe中最庞大最繁杂的模块。
马卫飞·2023-01-18 16:49

caffe源码分析-layer

本文主要分析caffelayer层，主要内容如下：从整体上说明下caffe的layer层的类别，以及作用通过proto定义与类Layer简要说明下Layer的核心成员变量;Layer类的核心成员函数1.
FishBear_move_on·2023-01-18 16:45

caffe.proto

syntax="proto2";packagecaffe;//Specifiestheshape(dimensions)ofaBlob.messageBlobShape{repeatedint64dim
limengjuhanxin·2023-01-18 16:45

Caffe 中的 LRNLayer

Caffe中的LRNLayer支持两种模式：CrossChannel：为人们所熟知的局部响应归一化，在AlexNet中提出，并在一些早期网络中使用；WithinChannel：Caffe中独有的实现，未见网络中应用
图波列夫·2023-01-18 16:41

在Caffe中自定义Layer:矩阵相乘Matmul

原作者链接如下：https://blog.csdn.net/feifei884431/article/details/52232381
zhw864680355·2023-01-18 12:11

caffe中卷积计算是如何使用通用矩阵乘法（GEMM）实现的？

首先有一个问题：Q：对于一个I*W*H输入图像，要求输出维度为W'*H'*256需要多少个卷积核？A：第一种说法:由于输入channel是I且输出channel为256，如果将卷积核看做2纬的化，需要I*256个卷积核。第二种解法：如果将一个卷积核看做一个三维矩阵的话，每个矩阵为I*K*K，那么就需要256个卷积核。显然第一种说法是最易于理解的，但是对于计算机来说第二种是最易于实现的。具体实现步骤
皮肉古拉姆·2023-01-18 12:10

caffe的卷积层的乘积运算的优化

https://hal.inria.fr/file/index/docid/112631/filename/p1038112283956.pdfcaffe的卷积计算的优化来自这篇paper,实际上就是将卷积核矩阵和
weixin_34185512·2023-01-18 12:09

海思开发：mobilefacenet 模型： pytorch -＞ onnx -＞ caffe -＞ nnie

一、前言最近有空，把之前的项目梳理记录一下，惠已惠人。我的demo代码二、详情人脸模型是在pytorch下训练的，工程文件用的是这个：MobileFaceNet_Tutorial_Pytorch训练完成之后，先转为onnx模型并做简化，代码如下：defexport_onnx():importonnxparser=argparse.ArgumentParser()#parser.add_argume
tang-shopping·2023-01-18 12:39

Caffe 中Eltwise层详解

Eltwise:element-wiseeltwiselayer是caffe提供的按元素操作层。
BlackEyes_SY·2023-01-18 12:09

Caffe常用算子GPU和CPU对比

通过整理LeNet、AlexNet、VGG16、googLeNet、ResNet、MLP统计出的常用算子(不包括ReLU)，表格是对比。PreluCpu版Gpu版for(inti=0;i0?in[index]:in[index]*slope_data[c];}Im2colCpu版：Gpu版本channel_size=height*width;for(intchannel=channels;chan
weixin_30781107·2023-01-18 12:09

Caffe 中convolution的计算

Caffe里用的是CHW的顺序，有些library也会用HWC的顺序（比如说CuDNN是两个都支持的），这个在数学上其实差别不是很大，还是一样的意思。
biulibiuli·2023-01-18 12:08

caffe数学运算

caffe_cpu_gemmC=αATransABTransB+βCC=\alphaA^{TransA}B^{TransB}+\betaCC=αATransABTransB+βCvoidcaffe_cpu_gemm
limengjuhanxin·2023-01-18 12:08

梳理caffe代码math_functions(一)

转载http://blog.csdn.net/langb2014/article/details/50986678先从caffe中使用的函数入手看看：[cpp]viewplaincopy#include
ZhikangFu·2023-01-18 12:07

矩阵乘法算子caffe实现

目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、公式推导二、相关代码1.setuplayer2.reshape3.forward4.backward5.完整代码总结前言我在onnx模型转caffe
超级电冰箱·2023-01-18 12:07

小白win10装caffe(gpu)教程参考+网盘资源matlab+vs+anaconda+cuda10等

win10装caffe(gpu)本机环境配置：Win10专业版+rtx2060(重装的系统，不带显卡驱动，网上有人说cuda10自带驱动，所以建议不要驱动)环境配置：1.vs2015(c++)2.Git3
qq_38102943·2023-01-18 10:21

深度学习（十四）：数据增强Data Augmentation

编程语言：Python参考资料：吴恩达老师的深度学习系列视频吴恩达老师深度学习笔记整理深度学习500问唐宇迪深度学习入门视频课程笔记下载：深度学习个人笔记完整版为什么要使用数据增强数据增强，也称数据扩充
打不死的小黑·2023-01-18 10:10

Lichee_RV学习系列--stream移植

Lichee_RV学习系列文章目录Lichee_RV学习系列—认识LicheeRvDock、环境搭建和编译第一个程序Lichee_RV学习系列—移植dhrystone文章目录Lichee_RV学习系列文章目录一
Silent Knight·2023-01-18 08:55

openpose配置成只使用cpu运行

1.caffe配置如下:注释掉USE_CUDNN:=1注意：重新编译caffe之后不要忘记重新生成生成caffe.ph.h2.openpose配置cmake-DGPU_MODE=CPU_ONLY-DUSE_MKL
小小一剑侠·2023-01-18 00:52

【姿态估计】Ubuntu16.04下配openpose（CPU版）【白痴教程】

文章目录前言一、前期准备0.以下是我的失败经历：1.下载openpose及其模型和依赖项2.禁用anaconda3.安装Cmake-GUI4.安装opencv和caffe5.python先决条件二、正式安装
温温最可爱·2023-01-18 00:49

【集成学习系列教程4】GBDT回归算法原理及sklearn应用

文章目录6GBDT回归算法6.1概述6.2算法具体步骤6.3sklearn中的GradientBoosting分类算法6.3.1原型6.3.2常用参数6.3.3常用属性6.3.4常用方法6.4实例5：探索不同回归损失函数对GBDT回归模型拟合效果的影响6.4.1创建数据集6.4.2定义与拟合使用不同损失函数的GBDT回归模型6GBDT回归算法6.1概述GBDT不仅可以应用于分类任务，它在回归任务中
Juicy B·2023-01-17 13:07

SSD文章解读

//blog.csdn.net/u010440456/article/details/81483145论文题目：SSD:SingleShotMultiBoxDetector论文链接：论文链接论文代码：Caffe
樨潮·2023-01-17 12:11

【机器学习基础】数学推导+纯Python实现机器学习算法27：EM算法

Python机器学习算法实现Author：louwillMachineLearningLab从本篇开始，整个机器学习系列还剩下最后三篇涉及导概率模型的文章，分别是EM算法、CRF条件随机场和HMM隐马尔科夫模型
风度78·2023-01-17 12:34

MacOS Mojave10.14.6 搭建Caffe

Caffe深度学习框架是比较老的，要不是要做一些特殊硬件相关的工作，我也不会想去配置Caffe，所以大家能用TF和MXNet尽量用吧，或者caffe2。
JonahMoon·2023-01-17 09:29

yolo目标检测软件 c语言,深度学习目标检测之——YOLO-v3目标检测（windows端调用）...

Yolo-v3基于darknet框架，该框架采用纯c语言，不依赖来其他第三方库，相对于caffe框架在易用性对开发者友好(笔者编译过数次caffe才成功)。
曙Ouba·2023-01-17 08:29

海思NNIE reshape only support C/H/W,not N!

简单的一个googlenet，转成caffe。这是proto这是ruyi量化时报的错caffe转wk遇到了这个问题：reshapeonlysupportC/H/W,notN!
FeboReigns·2023-01-16 22:14

吴恩达机器学习课程笔记：监督学习、无监督学习

1.吴恩达机器学习课程笔记：监督学习、无监督学习吴恩达机器学习系列课程：监督学习吴恩达机器学习系列课程：无监督学习仅作为个人学习笔记，若各位大佬发现错误请指正机器学习的学习算法：监督学习、无监督学习、半监督学习
Uncertainty!!·2023-01-16 17:31

yolo模型转换：pytorch -＞ onnx -＞ caffe

第一步：pytorch转onnx（pytorch版，yolov3-9.0开始提供脚本export.py）（1）设置onnx算子版本（按需）修改代码：torch.onnx.export(model,img,f,verbose=False,opset_version=12,input_names=['images'],为：torch.onnx.export(model,img,f,verbose=Tr
一洛玉壶冰·2023-01-16 16:55

keras，mxnet ,pytorch，onnx测试代码 ,to onnx 代码, caffe 测试

1、keras读取一张图片测试，转换onnximportnumpyasnpfromkeras.preprocessingimportimageimportkeras2onnximportonnxruntimeimportcv2fromPILimportImagedefkeras_onnx_test():img_path='./data/vehicle_0002.jpg'img=cv2.imread
贝猫说python·2023-01-16 16:24

mxnet to onnx to caffe，步骤以及问题解决

/article/details/906726952、onnx经过简化操作去除onnx自己加的层https://github.com/daquexian/onnx-simplifier3、onnxtocaffe
贝猫说python·2023-01-16 16:54

onnx2caffe的一些经验

onnx2caffe的一些经验1背景2环境2.1onnx转换环境2.2caffe转换环境3步骤3.1pytorch2onnx3.2onnx瘦身3.3onnx2caffe4经验4.1opset_version
Ray_Tang_·2023-01-16 16:23

TensorRT 命令行程序trtexec常用用法

/trtexec--help可以看到命令行支持的所有参数项:===ModelOptions===--uff=UFFmodel--onnx=ONNXmodel--model=Caffemodel(default
Arnold-FY-Chen·2023-01-16 16:23

模型结构可视化神器——Netron(支持tf, caffe, keras,mxnet等多种框架)

模型结构可视化神器——Netron(支持tf,caffe,keras,mxnet等多种框架)可视化模型结构的神奇工具：NetronNetron的github地址windows系统,下载一个.exe文件,
cvvoid·2023-01-16 16:23

【onnx】将caffe模型导出的.caffemodel文件及.prototxt文件转onnx

目录1.caffe模型文件说明2.下载转换工具并配置环境3.进行转换工作1.caffe模型文件说明caffe的.prototxt文件是用来定义网络结构的文件。
颢师傅·2023-01-16 16:53

matlab 值法确定各指标权重,Matlab学习系列19. 熵值法确定权重

19.熵值法确定权重一、基本原理在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响(权重)越大，其熵值越小。二、熵值法步骤1.选取n个国家，m个指标，则xij为第i个国家的第j个指标的数值(i
weixin_39835178·2023-01-16 15:15

Pytorch入门教程: 从线性回归到神经网络

它与其他常用框架如TensorFlow和Caffe类似，但是它具有更为灵活和易于使用的特点。Pytorch提供了一组高级的深度学习工具，可以帮助新手快速入门并构建复杂的模型。
LightningInSky·2023-01-16 12:56

微软libcaffe封装成dll和lib！！！

Windows下利用VS使用Caffe可以为开发者提供很好的体验，但是每次编译的时候的总是十分钟的时间在改代码，剩下50分钟在编译的过程中，另外在实际图像分类开发中，很多情况下我们可能只需要一两个函数，
shakevincent·2023-01-16 10:00

终于在windows上成功编译caffe，特分享过程

经过一天的不懈尝试和查找资料，终于完成了在windows上的caffe编译，也是参考了好几位前辈的经验分享，现分享过程如下：前言：最好基于caffe-windows（https://www.github.com
lykffl·2023-01-16 10:28

Win7_64bit + VS2013 + CUDA7.5 + Opencv2.4.10 成功配置Caffe环境

和小伙伴一起折腾了好几天，终于在Window系统中成功配置了Caffe的环境，写下这篇博客记录一下，希望能帮助到其他人。
chenqibob·2023-01-16 10:57

【caffe】编译全过程+超全问题集锦+失败案例

文章目录一、caffe编译过程1、查看电脑配置2、本文参考以下博文3、编译流程二、问题集锦1、connotfind-lopencv_imgcodecs的解决方式2、nvccfatal:Unknownoption
温温最可爱·2023-01-16 08:14

【RMF】ros机器人中间件框架学习系列一：了解原理

【前言】RMF（ros机器人中间件框架）目前国内资源比较少，学起来有些困难，但出于某些原因还是需要研究一下，这里记录一下自己的学习过程，欢迎指正，共同进步参考网站：①：使用ROS2机器人操做系统进行多机器人编程技术实践（Multi-RobotProgrammingViaROS2）http://www.javashuo.com/article/p-vgrgxatu-nw.html②官网https:/
樱花回忆·2023-01-15 23:15

人工智能学习系列教程-目录（附视频教程）

原文链接:人工智能学习系列教程-目录（附视频教程）一.人工智能基础篇–数学理论数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。
AI科技前线·2023-01-15 16:53

tensorflow学习系列四：卷积神经网络

卷积神经网络毋庸置疑是深度学习的基石，基于卷积神经网络在很多方面都取得了传统算法所无法匹敌的性能，因而作为深度学习的入门，卷积神经网络必须了如指掌。本文主要基于tensorflow实现手写字体识别，网络结构为LeNet-5。可以说该网络应该是卷积神经网络中的hellworld，下面就是LeNet-5的具体实现#-*-coding:utf-8-*-"""CreatedonSunJun1011:14:
奔跑熊·2023-01-15 15:37

机器学习（正在更新）

目录自己疑问-----容易错误的点：训练集、验证集、测试集训练集验证集测试集以下视频地址：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili第二章2.1线性回归2-2代价函数（类似误差一样）
小小怪将军！·2023-01-15 11:23

安装onnx

article/details/83543591】sudoapt-getinstallpython-pip#python2sudoapt-getinstallpython3-pip#python32、caffe
吴春旭呀·2023-01-15 10:18

重学深度学习系列-- CNN猫狗分类(TensorFlow2)

重学深度学习系列--CNN猫狗分类(TensorFlow2)文章目录重学深度学习系列--CNN猫狗分类(TensorFlow2)一、我的环境二、工程结构三、训练3.1导入库3.2导入数据集3.3进行数据增强
三个臭皮姜·2023-01-15 10:43

cnn池化层输入通道数_（pytorch-深度学习系列）CNN中的池化层-学习笔记

CNN中的池化层首先，池化(pooling)层的提出是为了缓解卷积层对位置的过度敏感性。什么意思？比如在图像边缘检测问题中，实际图像里，我们的目标物体不会总出现在固定位置，即使我们连续拍摄同一个物体也极有可能出现像素位置上的偏移。这会导致同一个边缘对应的输出可能出现在卷积输出的边缘的不同位置，从而对模式识别造成影响。与卷积层类似，池化层每次也是对输入数据的一个固定窗口内的元素计算输出但是池化层不同
weixin_39996478·2023-01-15 07:30

计算机视觉OpenCv学习系列：第一部分、绪论

第一部分、绪论第一节、计算机视觉发展历程1.计算机视觉发展历史2.计算机视觉的主要任务3.计算机视觉的应用场景第二节、计算机视觉框架1.早期计算机视觉框架概述2.当前主流的框架与路线3.计算机视觉框架的未来趋势第三节、OpenCV框架1.OpenCV的发展历史2.OpenCV模块架构3.OpenCV安装与支持学习参考第一节、计算机视觉发展历程1.计算机视觉发展历史计算机视觉的发展从古代小孔成像，到
Liuyc-Code boy·2023-01-15 06:21

计算机视觉OpenCv学习系列：第二部分、图像操作

第二部分、图像操作第一节、图像读取与显示1.图像理解2.图像读取与显示3.代码练习与测试第二节、图像色彩空间转换1.图像色彩空间2.函数说明与解释3.代码练习与测试第三节、图像对象的创建与赋值1.图像对象属性2.图像对象创建与赋值3.代码练习与测试第四节、图像像素的读写操作1.图像像素（1）**像素与分辨率**（2）OpenCV中的像素2.像素遍历（1）像素遍历（2）像素读写3.代码练习与测试第五
Liuyc-Code boy·2023-01-15 06:14
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他