caffe学习

Caffe学习笔记(二)：使用Python生成caffe所需的lmdb文件和txt列表清单文件

转载请注明作者和出处：http://blog.csdn.net/c406495762Python版本：Python2.7运行平台：Ubuntu14.04最后修改时间：2017.4.20在上个笔记中，已经学会了如何使用Caffe利用作者给的脚本训练CIFAR-10数据集，得到训练好的CNN模型。但是在上个笔记中，使用的都是作者提供好的脚本文件，完全就是按照教程跑了一下提供的demo。对于自己手里的一
Jack-Cui·2017-03-29 21:31

Caffe解读（三）

Caffe学习（三）Caffe梳理layer.hpp中：Forward和Backward对应前向计算和反向更新，输入统一都是bottom，输出为top，其中Backward里面有个propagate_down
cookie_234·2017-03-25 10:47

Caffe 学习笔记（视觉层（Vision Layers)及参数）

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学习笔记（数据层及参数）本文只讲解视觉层（VisionLayers)的参数
AndyCao9527·2017-03-22 10:10

[记录caffe学习]1.caffe自带数字识别例子

学习了一段时间的caffe,虽然对于这个深度学习平台有了一点认识,基本上也可以从网上download下别人训练好的模型来finetuning(原谅我真的无法从头来训练,单位给我配的渣渣电脑),但是想要成为一名老司机,这远远是不够的,所以本司机打算从头好好系统的学习下,整理成博客的形式.作为一个新手,对caffe的认识肯定有很多的不足之处,有不到位的地方,希望各位老司机轻拍.因为接触caffe时间不
junjie20082008·2017-03-14 15:19

Caffe学习-手写数字识别

1.Caffe训练方法综述caffe非常简单，训练时只需写prototxt文件即可，其大致的步骤为：Resize图片，转换存储格式(LMDB/LevelDB)定义网络结构（编辑prototxt）定义solver（编辑另一个prototxt）一行命令开始训练（可以基于已有的权重赋值）如下图所示，其训练的过程，关于卷积神经网络（CNN）可以参考：计算机视觉与卷积神经网络下面对手写数字识别进行训练。2.
yqtaowhu·2017-03-11 17:44

Caffe编译（Win10+Vs2015+Cuda8.0）

参考博客编译Windows下VS2015编译caffecaffewindow10安装Caffe在window10+VS2015安装测试minist数据集CAFFE学习笔记（一）Caffe_Example
等一杯咖啡·2017-03-09 14:04

【caffe学习笔记】caffe训练日志输出

在你的训练命令后面加上下面代码：2>&1|teeyourpath/caffe.log1.tee的意思就是命令行信息重定向的命令2.2>&1的意思是错误的信息也当成标准信息输出，这样能够保证输出log信息的完整性。
Wonder233·2017-03-07 15:04

caffe学习笔记31-理解全连接层

理解全连接层：连接层实际就是卷积核大小为上层特征大小的卷积运算，卷积后的结果为一个节点，就对应全连接层的一个点。（理解）假设最后一个卷积层的输出为7×7×512，连接此卷积层的全连接层为1×1×4096。如果将这个全连接层转化为卷积层：1.共有4096组滤波器2.每组滤波器含有512个卷积核3.每个卷积核的大小为7×74.则输出为1×1×4096由于每个滤波核的大小和上一层的featuremap大
YiLiang_·2017-03-05 16:22

caffe学习笔记19-batchsize参数

1.当数据量足够大的时候可以适当的减小batch_size,由于数据量太大，内存不够。但盲目减少会导致无法收敛，batch_size=1时为在线学习。2.batch的选择，首先决定的是下降方向，如果数据集比较小，则完全可以采用全数据集的形式。这样做的好处有两点，1）全数据集的方向能够更好的代表样本总体，确定其极值所在。2）由于不同权重的梯度值差别巨大，因此选取一个全局的学习率很困难。3.增大bat
YiLiang_·2017-03-05 14:08

caffe学习笔记2-caffe命令行训练与测试

Train训练（用cmdcaffe命令行）（solver.prototxt）在使用cmdcaffe时，需要默认切换到Caffe_Root文件夹下，需要使用上述命令才可以使用tools下的caffe接口，因为caffe默认都需要从根目录下面执行文件。1、训练模型，以mnist为例子（solver.prototxt）./build/tools/caffetrain-solver=examples/mn
YiLiang_·2017-03-05 10:07

caffe学习笔记1-文件夹及文件构成

文件夹build//所有编译好的文件存放位置analysis//存放分析数据examples//存放各种demo的文件夹，相关应用可以参考或者直接使用对应的demo和配置。 models//model文件的路径，一些训练好的model，需要更多的模型可参考modelzoo：http://caffe.berkeleyvision.org/model_zoo.htmldata//数据文件夹 matla
YiLiang_·2017-03-05 00:00

Caffe学习笔记（1）--Python接口

前言使用caffe也有一小段时间了，但是对于caffe的python接口总是一知半解，最近终于能静下心来，仔细阅读了caffe官方例程，并写下此博客。博文主要对caffe自带的分类例程00-classification.ipynb做了详细的注释，相信能加强这方面的理解。准备工作加载必要的库importnumpyasnp#加载numpyimportmatplotlib.pyplotasplt#加载m
Jesse_Mx·2017-02-28 17:26

caffe的python接口学习（1）：生成配置文件

半年前，我在学习CAFFE的时候，为了加深理解，因此写下了随笔，有了一系列的caffe学习文章。半年过去，很多人问到关于python接口和可视化的一些问题，现在有点空闲时间，就再次写下一些随笔
dlaicxf·2017-02-27 14:27

caffe学习笔记（八）caffe+MATLAB2016接口安装

1、下载下载：学校里面的极速之星里面有MATLAB2016（Linux）版本，就直接下载了下载后的Linux文件夹会有三个文件分别是R2016b_glnxa64_dvd1.iso、R2016b_glnxa64_dvd2.iso和Matlab2016bLinux64Crack文件夹。2、挂载首先建立挂载文件夹，本文为/home/dragon/matlab2016，然后用mount命令进行R2016b
芭蕉帘外雨声急·2017-02-27 10:55

常用网络模型结构LeNet,AlexNET,VGG,BN-inception,ResNet网络模型简介和资料整理--caffe学习（8）

在使用深度神经网络时我们一般推荐使用大牛的组推出的和成功的网络。如最近的google团队推出的BN-inception网络和inception-v3以及微软最新的深度残差网络ResNET。我们从简单的网络开始介绍，学习理解网络结构是如何发展到今天的，同时本文整理了自己用别人网络结构时别人的网络结构的pre-reainmodel和prototxt文件的资源。首先安利caffezoo大法，可以找到很多
Camaro_XL·2017-01-08 14:41

Caffe学习笔记（三）：Caffe数据是如何输入和输出的？

Caffe学习笔记（三）：Caffe数据是如何输入和输出的？Caffe中的数据流以Blobs进行传输，在《Caffe学习笔记（一）：Caffe架构及其模型解析》中已经对Blobs进行了简单的介绍。
成长Bar·2017-01-07 19:15

caffe学习系列：训练自己的图片集（超详细教程）

学习的caffe的目的，不是简单的做几个练习，而是最终落实到自己的项目或科研中去。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试的整个流程。一、数据的准备有条件的同学，可以去ImageNet的官网点击打开链接，下载ImageNet图片来训练。但是我没有下载，因为我注册过程中一直出现bug。也可以去这个网盘（点击打开链接）下载图像数据，包括手写数字.jpg，手写数字.csv，人脸
Cche1·2017-01-06 16:05

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
haoji007·2016-12-29 00:32

Caffe学习笔记（一）：Caffe架构及其模型解析

Caffe学习笔记（一）：Caffe架构及其模型解析写在前面：关于caffe平台如何快速搭建以及如何在caffe上进行训练与预测，请参见前面的文章《caffe平台快速搭建：caffe+window7+vs2013
成长Bar·2016-12-17 16:13

caffe学习笔记（四）--制作自己的数据集train.txt和val.txt，生成LMDB文件

在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,png,tif等格式的，而且有可能图片的大小还不一致。我今天尝试制作一个自己的训练数据集，主要步骤为：1.用MATLAB截图得到训练集的图片2.生成标签文件列表，即生成train.txtval.txt文件3.将txt文件列表中的图像与train图像库、val图像库的图像相连接，生成lmdb格式文件实验是对一副315×299像素的j
芭蕉帘外雨声急·2016-12-15 14:47

caffe学习笔记1：转化自己的数据为（leveldb/lmdb）文件

环境：ubuntu16.04CPU经过千难万险将环境配置好之后，MNIST数据集也测试过了，MNIST数据集是通过caffe可以直接获取数据集，如果我们要处理自己的数据的话，我们就需要做一些转化了，我们的图像数据往往是图片文件，jpg，jpeg，png等，然而在caffe中我们需要使用的数据类型是lmdb或leveldb，因此我们在对自己的图像数据进行训练/测试之前，需要转换成caffe框架可以直
heimu24·2016-12-12 12:58

Caffe学习笔记4图像特征进行可视化

Caffe学习笔记4图像特征进行可视化本文为原创作品，未经本人同意，禁止转载，禁止用于商业用途！
晨凫追风·2016-12-09 18:48

Caffe学习系列——工具篇：神经网络模型结构可视化

在Caffe中，目前有两种可视化prototxt格式网络结构的方法：使用Netscope在线可视化使用Caffe提供的draw_net.py本文将就这两种方法加以介绍1.Netscope:支持Caffe的神经网络结构在线可视化工具Netscope是个支持prototxt格式描述的神经网络结构的在线可视工具，网址:http://ethereon.github.io/netscope/quicksta
Solomon1588·2016-11-13 10:26

深度学习框架Caffe学习笔记(6)-测试自己的手写数字图片

在之前的实验中我们使用过$./build/tools/caffe.bintest\-modelexamples/mnist/lenet_train_test.prototxt\-weightsexamples/mnist/lenet_iter_10000.caffemodel\-iterations100命令来测试训练好的网络。这主要用于测试网络的准确率。但如想用自己的手写数字，通过训练好的模型来
流云非晚·2016-11-08 17:09

caffe学习笔记（1）完整的caffe继承关系（图解）

  caffe学习笔记（1）  这段时间项目要求在硬件上面实现VGG，出现了一些意想不到的困难。
XJTU_NOC_Wei·2016-10-26 20:00

caffe学习笔记（1）

caffe学习笔记（1）刚开始学习caffe，发现一个非常好的博客caffe学习。看了几遍收益匪浅，但是总是记不住，所以决定安装该博客的步骤一点一点实现，然后记录在该系列的博客中。
Ddreaming·2016-10-12 08:43

Caffe学习笔记（七）—— solver参数说明及利用自己的数据集对权值微调

本文主要介绍：在进行网络训练和权值微调过程中，需要对solver中的参数进行设置，本文主要介绍solver中的参数设置，以及如何利用自己的数据集，对权值进行微调。1.solver参数设置[cpp]viewplaincopynet:"train_val.prototxt"//深度学习模型的网络结构文件test_iter:1000//1000指的是测试的批次，测试样本较多时，一次性执行全部数据，效率较
ctgu_aiqinhai·2016-09-21 15:53

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
ctgu_aiqinhai·2016-09-21 15:02

Caffe学习总结（三）——mnist手写字库识别例程（1）

了解了几天的caffe，今天终于开始跑第一个例程了，使用caffe进行手写数字识别。此库使用了比较流行的数字库mnist。可以从官网中了解到mnist总共有60000张样例图像，其中10000张用于测试使用，50000张用于学习训练。这些数据已经序列化成一定的格式。刚刚搭建起caffe的环境，于是就想跑一个测试程序，尝试体验一下caffe。没想到遇到一大堆没有看明白的东西，差点放弃。后来经过认真看
不系之舟913·2016-09-06 15:13

windows下caffe之训练mnist

一、参考资料悠望南山--CAFFE学习笔记（一）Caffe_Example之训练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
MoonBreeze_Ma·2016-08-15 21:48

Caffe学习系列(10)：命令行解析

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
zyazky·2016-08-10 14:00

Caffe学习：Layers

感谢：http://blog.csdn.net/u011762313/article/details/47361571目录：VisionLayersConvolutionPoolingLocalResponseNormalizationLRNim2colLossLayersSoftmaxSum-of-SquaresEuclideanHingeMarginSigmoidCross-EntropyIn
xqp_dream·2016-07-19 11:54

Caffe学习系列：用训练好的caffemodel来进行分类

caffe程序自带有一张小猫图片，存放路径为caffe根目录下的examples/images/cat.jpg,如果我们想用一个训练好的caffemodel来对这张图片进行分类，那该怎么办呢？如果不用这张小猫图片，换一张别的图片，又该怎么办呢？如果学会了小猫图片的分类，那么换成其它图片，程序实际上是一样的。开发caffe的贾大牛团队，利用imagenet图片和caffenet模型训练好了一个caf
TonyYang1995·2016-07-13 10:42

Caffe学习系列：模型各层数据和参数可视化

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[2]:#设置当前目录，判断模型是否训练好caffe_root='/h
TonyYang1995·2016-07-13 10:48

Caffe学习系列：caffemodel可视化

通过前面的学习，我们已经能够正常训练各种数据了。设置好solver.prototxt后，我们可以把训练好的模型保存起来，如lenet_iter_10000.caffemodel。训练多少次就自动保存一下，这个是通过snapshot进行设置的，保存文件的路径及文件名前缀是由snapshot_prefix来设定的。这个文件里面存放的就是各层的参数，即net.params，里面没有数据(net.blob
TonyYang1995·2016-07-12 14:46

Caffe学习系列：数据可视化环境（python接口)配置

caffe程序是由c++语言写的，本身是不带数据可视化功能的。只能借助其它的库或接口，如opencv,Python或matlab。大部分人使用python接口来进行可视化，因为python出了个比较强大的东西：ipythonnotebook,现在的最新版本改名叫jupyternotebook，它能将python代码搬到浏览器上去执行，以富文本方式显示，使得整个工作可以以笔记的形式展现、存储，对于交
TonyYang1995·2016-07-12 14:33

caffe学习笔记3：ubuntu15.04 caffe配置

记录在ubuntu15.04环境下配置caffecpu模式的过程，无NVIDIA显卡，无cuda，安装过程不算麻烦，只要思路清晰，快速定位问题，1个小时左右完成。1安装依赖1.1安装opencv在这里下载安装脚本，有linux各个发行版本的。，安装过程中要保证联网。进入ubuntu文件夹。如果要安装最新的版本直接运行sudoshopencv_latest.sh.如果要安装指定版本的，就在openc
happyer88·2016-06-30 15:00

Caffe学习：Solver

目录：原文SolverMethodsSGDAdaGradNAGScaffoldingUpdatingParametersSnapshottingandResuming原文SolverSolver通过协调Net的前向loss计算和反向梯度计算（forwardinferenceandbackwardgradients），对参数进行更新，以减小loss。Caffe模型的学习被分为两个部分：由Solver
ZhikangFu·2016-06-21 18:00

caffe学习笔记2：使用pycaffe提取CNN特征

本文记录如何基于pycaffe提取pretrainedmodel某一层的特征。importnumpyasnpimportmatplotlib.pyplotaspltimportscipy.io#设置plt画图显示结果#图片尺寸plt.rcParams['figure.figsize']=(12,12)plt.rcParams['figure.dpi']=150#不插值plt.rcParams['i
July_Zh1·2016-06-20 21:01

caffe学习笔记2：使用pycaffe提取CNN特征

本文记录如何基于pycaffe提取pretrainedmodel某一层的特征。importnumpyasnp importmatplotlib.pyplotasplt importscipy.io #设置plt画图显示结果 #图片尺寸 plt.rcParams['figure.figsize']=(12,12) plt.rcParams['figure.dpi']=150 #不插值 plt.rc
happyer88·2016-06-20 21:00

caffe学习笔记1 SGD solver

solver是caffe中一个很重要的概念，简单来说solver通过不断forward和backward计算梯度，用计算得到的梯度对模型进行优化，更新深度神经网络各层的参数，使得loss最小以使模型更好地拟合数据。1.solver的作用及分类在caffe中封装的有以下几种solver：StochasticGradientDescent(type:“SGD”)AdaDelta(type:“AdaDe
CS蜗牛·2016-06-15 19:52

caffe学习笔记1：ubuntu15.04下3分钟完成caffe环境配置（基于docker）

没有GPU没关系，没有nvidia显卡也没关系，基于docker可以3分钟配好caffe！Docker简单来说就是一种轻量虚拟机，可以快速部署和执行程序。之前看过许多配置caffe的资料，主要是硬件相关的配置因为电脑个体差异会引发各种各样的问题，后来遇到docker，可以直接pull别人配好的caffe环境，终于可以在自己电脑（ubuntu15.04）欢脱地跑caffe了>
July_Zh1·2016-06-13 20:22

caffe学习笔记1：ubuntu15.04下3分钟完成caffe环境配置（基于docker）

没有GPU没关系，没有nvidia显卡也没关系，基于docker可以3分钟配好caffe！Docker简单来说就是一种轻量虚拟机，可以快速部署和执行程序。之前看过许多配置caffe的资料，主要是硬件相关的配置因为电脑个体差异会引发各种各样的问题，后来遇到docker，可以直接pull别人配好的caffe环境，终于可以在自己电脑（ubuntu15.04）欢脱地跑caffe了><1安装docker参考
happyer88·2016-06-13 20:00

[置顶] caffe学习资源汇总（更新中）

学习需要更新，网上有一些非常不错博客，首先感谢这些博主，他们都很认真。其次是这些笔记。1、xizero002、lingerlanlan3、iamzhangzhuping4、zhangwang5、yhl_leo6、在路上7、seven_first
iamzhangzhuping·2016-05-31 14:00

CAFFE学习笔记（五）用caffe跑自己的jpg数据

1收集自己的数据1-1我的训练集与测试集的来源：表情包由于网上一幅一幅图片下载非常麻烦，所以我干脆下载了两个eif表情包。同一个表情包里的图像都有很强的相似性，因此可以当成一类图像来使用。下载个eif解压包可以把eif文件解压成gif和jpg格式的文件，然后删除gif文件，只留下jpg格式的文件，这些图就是我的训练集与测试集了。1-2使用rename批量重命名图像（1）对于一个存放了图像src.j
u013534498·2016-05-26 20:00

caffe学习笔记（6）：读取图片

thepaperistoshowyouhowtoreadpaperwithpython.twomethodswillbeshowntoyou.importsyssys.path.insert(0,'python/')importcaffeimportnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinline#loadimageusenp.array
guyunee·2016-05-21 21:13

CAFFE学习笔记（四）将自己的jpg数据转成lmdb格式

1引言1-1以example_mnist为例，如何加载属于自己的测试集？首先抛出一个问题：在example_mnist这个例子中，测试集是人家给好了的。那么如果我们想自己试着手写几个数字然后验证识别效果又当如何呢？观察CAFFE_ROOT/examples/mnist/下的lenet_train_test.prototxt文件，发现里面既给出了训练集的路径，又给出了测试集的路径。因此答案很显然了，
u013534498·2016-05-12 20:00

CAFFE学习笔记（三）在VS2013下生成需要的exe文件

如我们所知，CAFFE_ROOT下有一个文件夹叫tools，里面中有许多cpp文件，它们各自有其不同的功能。但是很显然，当我们要完成某样工作时，我们是不能直接用cpp文件的，只能用exe文件。如何利用这些cpp文件生成exe文件呢？这就是本次博客的主题。请记住，一大堆繁琐的配置不是目的，我们的目标是成功compile和build文件夹tools中的cpp文件，以生成所需要的exe文件。关于如何配置
u013534498·2016-05-12 20:00

Caffe学习之旅（一）

开发环境搭建：一、没有GPUlearning@learning-virtual-machine:~$lspci|grep-invidia learning@learning-virtual-machine:~$二、ubuntu版本learning@learning-virtual-machine:~$uname-m&&cat/etc/*release x86_64 DISTRIB_ID=Ubunt
forest_world·2016-05-11 09:00

caffe学习笔记2：Fine-tuning一个类别识别的预处理的网

Fine-tuning一个预处理的网用于类型识别（Fine-tuningaPretrainedNetworkforStyleRecognition）本文原文地址here在这个实验中，我们我们探索一个通用的方法，这个方法在现实世界的应用中非常的有用：使用一个提前训练的caffe网络，并且使用自定义的数据来fine-tune参数。这个方法的优点就是，提前训练好的我那个落是从一个非常大的图像数据集中学习
tianliangjay·2016-05-10 23:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他