caffe学习

caffe中各个层——解析

//www.cnblogs.com/denny402/p/5071126.html所有的层都具有的参数，如name,type,bottom,top和transform_param请参看我的前一篇文章：Caffe
778811·2020-08-19 03:25

caffe学习笔记12 -- R-CNN detection

这是caffe文档中NotebookExamples的倒数第二个例子，链接地址http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/detection.ipynb这个例子用R-CNN做目标检测。R-CNN是一个先进的目标检测模型，它通过微调caffe模型提供分类区域。对于R-CNN系统和模型的详细介绍，参考Richfe
thystar·2020-08-18 16:58

caffe学习笔记25-过拟合原因及分析

1.过拟合原因：1）样本数量太少，抽样方法错误，抽样时没有足够正确考虑业务场景或业务特点，等等导致抽出的样本数据不能有效足够代表业务逻辑或业务场景2）样本里的噪音数据干扰过大，大到模型过分记住了噪音特征，反而忽略了真实的输入输出间的关系3）就是建模时的“逻辑假设”到了模型应用时已经不能成立了，模型没有通用性，选择参数更少的网络4）没有用dropout5）weight_decay:默认0.005，可
YiLiang_·2020-08-18 14:47

Caffe学习（六）：Caffe 添加自定义层

这里我们以mnistexample为例来说明，如何在网络中添加自定义的Caffe层（C++实现）：1.不带参数的层（1）网络文件添加自定义层在caffe-master\examples\mnist\下拷贝lenet_train_test.prototxt，重命名为lenet_train_test_new.prototxt在第1个卷积层，即conv1层前添加一个自定义层，层名为NewLayer，层类
夜风里唱·2020-08-17 17:05

Caffe学习（七）：Caffe添加自定义层（2）：Python层

前面一篇讲述了如何添加自定义的CaffeC++层，本篇讲解如何添加自定义的Python层，依然以mnistexample为例子，在caffe-master\examples\mnist中的lenet_train_test.ptototxt文件中，conv1层前添加以下测试层，这个层对网络不做任何修改，仅用于测试。layer{name:'test'type:'Python'bottom:'data'
夜风里唱·2020-08-17 17:05

Caffe学习系列(12)：训练和测试自己的图片

学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。一、准备数据有条件的同学，可以去imagenet的官网http://www.image-net.org/download-images，下载imagenet图片来训练。但是我没有下载，一个原因是注册账号的时候，验证码始终出不来（听说是g
weixin_33975951·2020-08-17 16:51

Caffe 学习笔记之CIFFA-10

Caffe学习笔记之CIFFA-10背景知识今天小编就亲身实践利用前几天在Ubuntu14.04刚装好的caffe进行CIFFA-10的训练。
静风儿·2020-08-17 15:33

caffe学习（一）：CIFAR-10

前段时间一直在弄tensorflow，现在实习公司项目需要对比tensorflow与caffe在图像分类上哪个更好，所以小编我现在只能先把tensorflow放一边，搞一搞caffe。网上有很多这样的资源，可是大家写的都一样，运行起来还有好多没有写明白的，为了以后再用到，同时方便像我这样的新手学习，我将把我在caffe上运行CIFAR-10例子的过程尽可能的写的详细一点。先简单介绍一下CIFAR-
修炼打怪的小乌龟·2020-08-17 15:55

Caffe学习笔记（二）分类任务

笔记（二）：用Caffe训练好的模型进行分类任务的测试参考：Caffe学习系列(20)：用训练好的caffemodel来进行分类用Caffe搭建自己的网络，并用图片进行测试开发caffe的贾大牛团队，利用
yaoyz105·2020-08-17 13:37

【caffe学习笔记——cifar10】win10+caffe环境下cifar10运行

本人初学深度学习——caffe框架，想用几个实例来入门，cifar10为其中之一，在参考了博主汽车数据技术前瞻的帖子：http://blog.csdn.net/lance313/article/details/53964874之后，将学习内容进行了总结，总结的内容基本和我参考的帖子差不多，主要目的是加深印象并方便以后查阅。##cifar数据集的介绍##Cifar-10是由Hinton的两个大弟子A
文章被改为VIP本文并不知情，且无法修改·2020-08-17 13:58

caffe学习笔记

转自http://blog.csdn.net/u011762313/article/details/4730600目录：安装与配置Tutorial学习PyCaffe学习buildtools学习其他安装与配置
Gzzgz·2020-08-17 13:00

【caffe学习笔记之5】Win10系统下Caffe的Python接口设置方法并绘制网络结构图

【准备工作】前面几节介绍了win10系统下caffe-master的配置方法以及cifar10数据集的训练方法，并简要介绍了Matlab接口如何配置。想要更为形象的了解caffe框架下诸多网络模型的具体内涵，需要借助python接口的caffe.draw绘制网络图，因此，本节介绍caffe的Python接口配置方法。安装python使用anaconda版本，anaconda里面集成了很多关于pyt
Shuai__·2020-08-17 13:02

【caffe学习笔记之8】Caffe运行Faster-RCNN算法实现目标检测(1)

【Faster-RCNN算法】FasterR-CNN（其中R对应于“Region(区域)”）是基于深度学习R-CNN系列目标检测最好的方法。使用VOC2007+2012训练集训练，VOC2007测试集测试mAP达到73.2%，目标检测的速度可以达到每秒5帧。技术上将RPN网络和FastR-CNN网络结合到了一起，将RPN获取到的proposal直接连到ROIpooling层，是一个CNN网络实现端
Shuai__·2020-08-17 13:02

【caffe学习笔记之6】caffe-matlab/python训练LeNet模型并应用于mnist数据集（1）

【案例介绍】LeNet网络模型是一个用来识别手写数字的最经典的卷积神经网络，是YannLeCun在1998年设计并提出的，是早期卷积神经网络中最有代表性的实验系统之一，其论文是CNN领域第一篇经典之作。本篇博客详细介绍基于Matlab、Python训练lenet手写模型的案例，作为前几次caffe深度学习框架的阶段性总结。【数据准备】数据下载地址：http://yann.lecun.com/exd
Shuai__·2020-08-17 13:02

2019.06.20_Caffe学习资源

Caffe学习资源博客文档https://www.csdn.net/gather_4a/Mtzacg4sODUtZWR1.html视频课程https://edu.51cto.com/course/7650
FireflyGao·2020-08-17 12:27

caffe学习笔记6-matlab接口总结

第一部分：用matlab接口操作网络，包括网络生成，数据读取及修改，存储caffeemodel,返回layer的类型1.设置网络：model='./models/bvlc_reference_caffenet/deploy.prototxt';weights='./models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel';
YiLiang_·2020-08-17 11:35

caffe学习笔记（一）

ubuntu14.04.1下caffe的安装（cpumode）准备工作，安装各种依赖和OpenCV，代码如下：sudoapt-getinstalllibprotobuf-devlibleveldb-devlibsnappy-devlibopencv-devlibhdf5-serial-devprotobuf-compilersudoapt-getinstall--no-install-recomm
SHERO_M·2020-08-17 11:49

【caffe学习笔记之4】利用MATLAB接口运行cifar数据集

【前期准备工作】参考上篇帖子：http://write.blog.csdn.net/postedit/539648741.确保模型训练成功，生成模型文件：cifar10_quick_iter_4000.caffemodel及均值文件：mean.binaryproto。注意，此处一定是生成caffemodel格式的模型文件，而非.h5模型文件，否则会导致Matlab运行崩溃。如何生成caffemod
Shuai__·2020-08-17 10:28

caffe学习笔记21-VggNet论文笔记

AlexNet输入要求256(图像大小)，均值是256的，减均值后再crop到227(输入图像大小)VGGNet输入要求256(图像大小)，均值是256的，减均值后再crop到224(输入图像大小)Vgg-Net:笔记CNNimprovement：有很多对其提出的CNN结构进行改进的方法。例如：1.Usesmallerreceptivewindowsizeandsmallerstrideofthe
YiLiang_·2020-08-17 10:51

我的caffe学习之路

今天说了下前几天的那篇图卷积的文章，还是用不了这么难的东西。所以路线回到原来的方案。我的任务还是改fcn，今天准备弄弄数据层，想先随便弄几个数据生成一个lmdb数据库写的时候遇到了一个问题弄了几个小时：我们的特征是float类型的，caffe输入的图像是8位的像素值，存储方式不一样，在将数据写入lmdb时遇到了一些麻烦。解决：caffe中定义了datum用来写lmdb，看他的proto可以发现是可
change_things·2020-08-16 18:30

Caffe学习（十）protobuf及caffe.proto解析

使用protobuf的原由一个好的软件框架应该要有明确的输入和输出，对于CNN网络而言，其主要有两部分组成：网络具体结构和网络的具体优化算法及参数。对于框架的使用者而言，用户只需输入两个描述文件即可得到对该网络的优化结果，这无疑是非常方便的。caffe框架选择使用谷歌的开源protobuf工具对这两部分进行描述，解析和存储，这一部分为caffe的实现节省了大量的代码。如前面讲述的目标检测demo，
遍地流金·2020-08-16 15:13

Caffe学习笔记（三）——Matlab接口

本文主要介绍：Windows下Caffe框架的Matlab接口，即Matlab如何调用Caffe框架中的函数，进行分类、提取特征以及训练。1官网说明官网：http://caffe.berkeleyvision.org/tutorial/interfaces.html2相关说明2.1图像预处理classification.m中，在图像输入CNN网络之前，经过了一个预处理过程：RGB图像转成BGR；B
缄默hong·2020-08-16 12:30

caffe学习（二） CIFAR-10数据集上训练

原文：http://blog.csdn.net/liumaolincycle/article/details/47258937caffe示例实现之1在CIFAR-10数据集上训练与测试Caffe下面假定caffe的根目录是CAFFE_ROOT，在终端输入命令下载数据集：cd$CAFFE_ROOT./data/cifar10/get_cifar10.sh#该脚本会下载二进制的cifar，并解压，会在
西门吹瓶哥·2020-08-16 10:00

CAFFE学习笔记（一）Caffe_Example之训练mnist

0、参考文献[1]caffe官网《TrainingLeNetonMNISTwithCaffe》;[2]薛开宇《读书笔记4学习搭建自己的网络MNIST在caffe上进行训练与学习》（[1]的翻译版，同时还有作者的一些注解，很赞）;1、*.sh文件如何执行？①方法一：有sh后缀名的是linux脚本文件，在windows下为了执行这个文件，应该下载git。然后对于sh文件右键，打开方式，选择git-ba
悠望南山2016·2020-08-14 20:18

Caffe学习 （三）：Lenet5网络定义参数解读

参考博客：https://blog.csdn.net/la_fe_/article/details/84937122https://blog.csdn.net/cyh_24/article/details/51537709lenet_solver参数解读#Thetrain/testnetprotocolbufferdefinitionnet:"examples/mnist/lenet_train_
QZX-light·2020-08-14 16:22

caffe学习笔记2：net forward与backward

caffe学习笔记2：ForwardandBackward原网页:http://caffe.berkeleyvision.org/tutorial/forward_backward.htmlforward
xz1308579340·2020-08-14 14:07

【caffe】c++中使用训练好的caffe模型，classification工程生成动态链接库——【caffe学习六】

除了在opencvdnn中使用训练好的model，还可以直接通过classification.exe去查看单张图的训练结果。但是我在使用opencvdnn的时候，发现里面输出的结果和classification.exe并不一样，一时找不到原因，于是还是考虑将classification.cpp写成库供别的程序调用。1.配置环境。新建工程切换到releasex64下①项目属性中——配置属性——C/C
BHY_·2020-08-14 13:37

Caffe学习（五）win10下配置vs2013版本的yolo+mobileNet训练自己的数据集

Caffe学习（五）win10下配置vs2013版本的yolo+mobileNet训练自己的数据集准备阶段1、caffe-mobilenet-windows2、数据集3、pythoncaffe-yolo
mqyw29995·2020-08-14 13:46

Caffe学习（四）win10下配置vs2013版本的yolo+mobileNet（以测可用+测试）

Caffe学习（四）win10下配置vs2013版本的yolo+mobileNet准备阶段1、下载工程2、VisualStudio2013or20153、CMake3.4orhigher(VisualStudioandNinjageneratorsaresupported
mqyw29995·2020-08-14 13:15

Caffe学习（六）win10下配置vs2015版本的Caffe-OCR （运行+测试模型，以测可用）

Caffe学习（六）win10下配置vs2015版本的Caffe-OCR准备阶段1、引用源码：https://github.com/senlinuc/caffe_ocr2、cuda3、opencv4、boost
mqyw29995·2020-08-14 13:15

caffe学习（二）Windows10+Cifar10+DenseNet 训练和预测（C++）详细过程（训练自己的图片也试用）附：问题总结

caffe学习（二）Windows10+Cifar10+DenseNet训练和预测（C++）详细过程（训练自己的图片也试用），附：问题总结前言论文名称：DenselyConnectedConvolutionalNetworks
mqyw29995·2020-08-14 13:14

caffe学习（三）solver.prototxt超参数详解

caffe学习（三）solver.prototxt超参数详解实例：train_net:"train_shufflenet.prototxt"test_net:"test_shufflenet.prototxt"test_iter
mqyw29995·2020-08-14 13:44

Caffe学习-caffe测试模型和统计运行时间

个人微信公众号：AI研习图书馆，欢迎关注~深度学习知识及资源分享，学习交流，共同进步~1.测试模型环境：Ubuntu16.04LTS+caffe+cudn8进入caffe目录：cdcaffe（1）在terminal中运行命令测试已经训练好的caffemodel的accuracy：./build/tools/caffetest--model=/examples/mnist/lenet_train_t
算法之美DL·2020-08-11 00:45

薛开宇caffe学习笔记的补充笔记1

1.ubantu系统的路径在home下还有一个用户目录（文件目录中不可见），在写文件目录时注意是home/【username】/…2.cd是改变路径的命令，此后的操作都以此路径为准3.cd..返回上一级目录4.pwd查看当前路径5../表示当前目录，这是因为linux的默认搜索目录里没有当前目录，所以如果你在当前目录需要执行程序就要加上路径./，用全路径代替也是可以的。“.”表示当前目录，“./”
缪斯赤贫·2020-08-10 18:24

薛开宇caffe学习笔记的补充笔记2

1.find`pwd`/examples/images-typef-exececho{}\;>examples/_temp/temp.txt：-type是find命令的一个参数，查找某一类型文档b:块设备文档d:目录c:字符设备文件P：管道文档l:符号链接文档f:普通文档-exec参数后面跟的是command命令，它的终止是以;为结束标志的，所以这句命令后面的分号是不可缺少的，考虑到各个系统中分号
缪斯赤贫·2020-08-10 18:24

薛开宇caffe学习笔记的补充笔记3

1.find–name*.jpeg|cut–d’/’–f2-3>train.txt一直报错cut：分界符必须是单个字符,目前没有解决，train、val、test均为手工建立2.修改图片大小的语句也有错，应为convert–resize256x256$name$name。Convert其他用法：convertxxx.jpgxxx.png将jpeg转成png文件convert-resize1024x
缪斯赤贫·2020-08-10 18:24

【Caffe学习二】基于ROC-RK3399-PC/Ubuntu18.04的YOLOv3-caffe for Object Detection

一.在Ubuntu18.04上安装Caffe(参考链接：http://caffe.berkeleyvision.org/install_apt.html):~$sudoaptinstallcaffe-cpu#默认的Python3版本测试安装结果，输入以下命令：:~$python3>>>importcaffe#itworksthatmeansyourCaffeissuccessfullyinstal
Memory 旧城。·2020-08-08 19:50

caffe学习中遇到的问题及解决方法

1、mnist数据集训练中遇到的问题convert_mnist_data.cpp:48]Checkfailed:image_fileUnabletoopenfiledata/mnist/t10k-images-idx3-ubyte***Checkfailurestacktrace:***Aborted(coredumped)解决方法：a）检查下载数据集与create_mnist.sh文件中的名字是
qq_40994114·2020-08-06 13:58

Caffe学习系列(9)：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，否则会出错1、mnist实例mnist是一个手写数字库，由DL大牛YanLeCun进行维护。mnist最初用于支票上的手写数字识别,现在成了DL的入门练
weixin_34007020·2020-08-05 17:17

caffe学习记录(三)：多标签分类/回归训练(下)

接上篇。我们已经为caffe添加了多标签分类训练功能，多标签分类的训练过程和单标签非常相似，同样包含以下几个步骤：一、准备多标签分类/回归训练的数据集（train.txt，val.txt，test.txt）这里我们以MTCNN人脸检测网络中的P-Net训练为例，P-Net需要同时输出人脸框的分类置信度（相当于一个二分类问题）和平移缩放参数（相当于一个回归问题），它的训练数据应该包含如下格式：其中，
wwww1244·2020-08-04 08:31

caffe学习记录(二)：多标签分类/回归训练(上)

多标签分类在工程上有很多应用，例如，输入一张图片，判断这个人的年龄、性别和是否配戴眼镜。这时，数据集的label文件应当具有这样的格式：000001.jpg2210000002.jpg3011000003.jpg4401000004.jpg1700假定第一个数字表示年龄，第二个0/1表示女/男，第三个0/1表示不戴眼镜/戴眼镜。同样地，回归问题在CNN中也有很多应用，例如，在物体检测领域（例如Fa
wwww1244·2020-08-04 08:00

Caffe学习系列（三）Docker安装及一些问题的记录

前言：Docker安装倒是很简单，按照步骤轻松完成，但是在联网方面还是出现问题，大概是伟大的祖国防火墙将其拦下，但在开发中要遇山开山，见水搭桥。在其中我将解决方法记录下来，每次解决了困难想分享找不到地方，就把它写下来自己看吧，见证自己的成长。正文：（一）安装Docker安装环境：Ubuntu16.04（LTS）1、简单方法#sudoapt-getupdate#sudoapt-getinstalld
weixin_30776273·2020-08-04 04:44

Caffe学习笔记（二）——AlexNet模型

本文主要介绍：Caffe中一个最基本的深度学习模型AlexNet模型，原论文为：ImageNetClassificationwithDeepConvolutionalNeuralNetworks。转载请注明出处：http://blog.csdn.net/hong__fang/article/details/520802801LeNet-51.1局限性早在1989年，YannLeCun(现纽约大学教
缄默hong·2020-08-03 17:58

Caffe学习系列(8)：solver优化方法

上文提到，到目前为止，caffe总共提供了六种优化方法：StochasticGradientDescent(type:"SGD"),AdaDelta(type:"AdaDelta"),AdaptiveGradient(type:"AdaGrad"),Adam(type:"Adam"),Nesterov’sAcceleratedGradient(type:"Nesterov")andRMSprop(
weixin_33774883·2020-08-03 06:23

caffe学习笔记1--一些学习参考资料

最近学习caffe，稍微做个笔记以便以后查看，首先，介绍几个非常不错的博客，我的笔记很多都是参考这些博客的，非常感谢博主们的分享，真真帮了大忙了1.caffe的安装教程，这个可以参考官网：我主要看得是：caffeforwindows:https://ouxinyu.github.io/Blogs/20140719001.html由于windows下配置比较复杂，csdn上提供了一个可以运行的包：h
thystar·2020-08-02 19:37

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
weixin_34197488·2020-07-31 10:18

Caffe学习系列(13):对训练好的模型进行fine-tune

使用http://www.cnblogs.com/573177885qq/p/5804863.html中的图片进行训练和测试。整个流程差不多，fine-tune命令：./build/tools/caffetrain-solverexamples/money_test/fine_tune/solver.prototxt-weightsmodels/bvlc_reference_caffenet/bv
weixin_30500289·2020-07-31 10:34

深度学习框架Caffe学习系列(2)：学习率衰减策略

学习率衰减策略参数学习率参考学习率机制/caffe-master/src/caffe/proto/caffe.proto文件说明1.fixed:固定学习率2.inv：学习率下降为~1/T.3.step：逐步衰减4.multistep：任意间隔的分段常数5.exp:指数型学习率6.poly:多项式衰减参数学习率参考caffe中的学习率的衰减机制Whatislr_policyinCaffe?学习率机制
努力努力在努力丶·2020-07-30 20:33

caffe学习笔记4-matcaffe训练与测试

.m文件流程（训练或者测试）1.添加路径caffe/matlab使得Matlab可以使用matcaffe，+caffe文件夹下都是matcaffe的.m接口,可用matlab操作caffe网络ifexist('../+caffe','dir')addpath('..');2.设置caffecpu/gpu模式（在测试或者训练之前。.m文件中）ifexist('use_gpu','var')&&use
YiLiang_·2020-07-29 16:59

我的caffe学习日记

caffe入门学习作者：tequilaro本文主要讲解caffe的整个使用流程，适用于初级入门，因为自己一直在做这一方面的学习，希望可以通过本篇文章给大家一些指点，最主要是要理清自己的思路，以便更好地学习。如果有比我更好的解决方法希望大家可以多多给我提出建议。一、总流程一般的流程如下所示1.数据格式处理，一般caffe处理的均为图片数据，然后我们需要将图片数据以及相关标签打包在一起，实现caffe
tequilaro·2020-07-13 14:42
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他