蒲衣翁-CSDN博客

原创深度学习tensorflow实战笔记（5）用预训练好的VGG-16模型提取图像特征

上一篇博客介绍了如果使用自己训练好的模型用于图像分类和特征提取，但是有时候自己的数据集大小有限，所以更多的时候我们需要用VGG-16预训练好的模型提取特征，相关学者预训练好的模型使用的都是公开的标准数据集，所以我们直接用预训练的模型提取我们自己图像的特征，可以用于对图像进行描述。 1、首先就要下载模型结构首先要做的就是下载训练好的模型结构和预训练好的模型，结构地址是：点击打开...

2018-04-11 21:28:27 16784 18

原创深度学习tensorflow实战笔记（4）利用保存的VGG-16CNN网络模型提取特征

前几篇博客写了如何处理数据，如何把用自己的数据训练VGG-16，如何把训练好的模型保存。而在实际应用中，并不是所有的操作都是为了分类的，有时候需要提取图像的特征，那么怎么利用已经保存的模型提取特征呢？ “桃叶儿尖上尖，柳叶儿就遮满了天” 测试数据转换成tfrecords，教程：点击打开链接保存训练好的VGG-16模型，教程：点击打开链接1、读取测试数据首先把测...

2018-04-03 19:19:25 6601 8

原创深度学习tensorflow实战笔记（3）VGG-16训练自己的数据并测试和保存模型

前面的博客介绍了如何把图像数据转换成tfrecords格式并读取，本篇博客介绍如何用自己的tfrecords格式的数据训练CNN模型，采用的模型是VGG-16。现有的教程都是在mnist或者cifar-10数据集上做的训练，如何用自己的数据集进行训练相关的资料比较少，即使有相关的也是不完整，所以做一个完成流程的学习笔记，以供以后查阅使用。首先要做的是把自己的数据转换成tfrecords文件...

2018-04-03 17:46:57 17128 19

原创深度学习tensorflow实战笔记（2）图像转换成tfrecords和读取

上一篇博客介绍了如何把自己的一般数据放进去txt文件并读取训练全连接神经网络（多层感知机），但是如何把自己的图像数据投入到神经网络中做训练呢，当然，可以把图像写入到txt文件中，然后做reshape，这种方法效率太低，操作复杂，并且内存占用率太高。所以本篇博客介绍如何把自己的图像数据转成tensorflow平台标注的tfrecords格式，并读取tfrecords数据。下一篇博客介绍如何...

2018-04-03 11:45:02 6240 13

原创深度学习tensorflow实战笔记（1）全连接神经网络（FCN）训练自己的数据（从txt文件中读取）

写在前面的话：离上一次写博客已经有些日子了，以前的工程都是在caffe平台下做的，caffe平台虽然挺好用的，但是caffe主要用于做CNN，对于其它的网络模型用起来不太方便，所以博主转战tensorflow，Google对待tensorflow就想当年对待Android一样，虽然现在推出了很多其它机器学习（深度学习）框架，不过tensorflow的便利性还是很值得称赞的，最起码博主感...

2018-04-03 10:51:44 6609 12

原创深度学习Caffe实战笔记（21）Windows平台 Faster-RCNN 训练好的模型测试数据

前一篇博客介绍了如何利用Faster-RCNN训练自己的数据集，训练好会得到一个模型，这篇博客介绍如何利用训练好的模型进行测试数据。1、训练好的模型存放位置训练好的模型存放在faster_rcnn-master\output\faster_rcnn_final\faster_rcnn_VOC2007_ZF，把script_faster_rcnn_demo.m文件拷贝到faster_rcnn-ma

2017-05-21 19:32:03 3155 4

原创深度学习Caffe实战笔记（20）Windows平台 Faster-RCNN 训练自己的数据集

昨天晚上博主干到12点多，终于用了一晚上时间搞定了Faster-Rcnn训练自己的数据集，这篇博客介绍如何用faster_rcnn训练自己的数据集，前提是已经准备好了自己的数据和配置好了faster-rcnn的环境。制作数据集教程：http://blog.csdn.net/gybheroin/article/details/72581318 环境配置教程：http://blog.csdn.ne

2017-05-21 09:53:47 4975 9

原创深度学习Caffe实战笔记（19）Windows平台 Faster-RCNN 制作自己的数据集

万里长征第一步，就是要制作自己的数据集，过程还是比较繁琐的，特别是标注的过程，这篇博客先介绍如果制作voc2007自己的数据集用于faster-rcnn训练，下一篇博客介绍如何用faster-rcnn训练自己的数据。1、准备图像图像要用.jpg或者jpeg格式的，如果是png或者其它格式，自己转换一下就好，图像名称要用000001.jpg，只有和VOC2007数据集图像名称一致，才能最大限度的

2017-05-20 16:56:27 5063 16

原创深度学习Caffe实战笔记（18）Windows平台 Faster-RCNN 环境配置

好久不写博客了，因为前一段时间博主身体抱恙，感触颇多。。。。。。都说windows平台做caffe和tensorflow坑多，博主没有太多优点，唯独的一个优点就是不服输，Windows平台虽然坑多，但是填坑也是蛮有意思的一件事情。另外，在Siamese网络训练自己的数据那个博客，经过高人点评，有些不太完善的地方，具体的信息请看那篇博客的一个长评论。劳动节的时候帮一个师妹配置caffe，她说要做RCN

2017-05-17 20:02:52 4375 5

原创为什么层次越高的人，计较的越少

记得前面的博客中我写了一段关于分享的事情，是我从朋友圈看到的一篇文章，文章标题就是《为什么层次越高的人，计较的越少》，文章公众号“洞见”。在这里和大家分享（作者：红小猪来源：富书（ID: zhongchoudushu））。“愿我们不是那个不知珍惜的“白眼狼”，也不是那些斤斤计较的‘葛朗台’。有些事值得我们去重视，而有些大可忽略。”有的人说，有的层次高的人依然计较的多，那只能说明，他还不是真的层次高

2017-01-16 20:40:46 1767 4

原创深度学习Caffe实战笔记（17）MATLAB实现卷积层卷积核权重的可视化

上一篇博客介绍了如果可视化第一个卷积层的卷积核，可视化的一个重要作用就是判断训练权重的好坏，效果图可以参考我上一篇博客，这篇博客介绍把卷积核可视化写成MATLAB的一个函数，用来直接调用就可以实现卷积核权重的可视化，直接放MATLAB代码。函数内容：function []=visualize_weights(w,s)h=max(size(w,1),size(w,2)); %卷积和大小g=h+

2017-01-15 10:21:40 4014 6

原创深度学习Caffe实战（16）MATLAB实现模型参数权重可视化

前面博客中介绍了怎么样利用MATLAB实现特征图的可视化，那一篇博客中介绍了一个对权重可视化的博客，本来不打算写这个博客了，但是我仔细看了那一篇博客，有点繁琐，所以我又整理了一下用MATLAB实现模型参数权重可视化的部分，这一篇介绍对第一个卷积层权重可视化，下一篇博客介绍Alexnet中2到5卷积层的可视化，请大家注意，只有卷积层才能可视化。通过对训练后的模型进行可视化可以判断模型的优劣，怎么判

2017-01-14 23:09:32 4697

原创深度学习Caffe实战笔记（15）CNN网络结构可视化

利用python是可以实现卷积网络结构的可视化的，但是window平台下使用相当麻烦，这里介绍一种非常方便快捷的可视化方法，这个是珍藏已久的东西啦，今天拿出来分享一下，再次感谢课题组大师姐老庞，老庞师姐，你真美！网址: http://ethereon.github.io/netscope/#/editor进来后，把协议文件复制过来，然后shift+enter，就可以把网络节结构可视化出来了，方

2017-01-14 21:07:30 3194 1

原创深度学习caffe实战笔记（14）MATLAB实现可视化cifar10数据集

上一篇博客介绍了如何利用MATLAB实现mnist数据集可视化，这篇博客介绍如何使用MATLAB可视化cifar10数据集，MATLAB代码是《深度学习21天实战caffe》里的，所以感谢赵永科老师。另外我注意到，cifar10有MATLAB版本的，有python版本的，还有bin版本的，MATLAB和python版本的可视化参考： http://blog.csdn.net/zengxyuyu/a

2017-01-14 20:33:39 4322 3

原创深度学习caffe实战笔记（13）利用MATLAB可视化mnist数据集

之前的博客中介绍过利用MATLAB可视化图像特征，因为最近在看《深度学习21天实战caffe》，里面有一章节是关于可视化的，所以把可视化mnist数据集的代码共享一下，在这里要感谢赵永科老师clc;clear;close all;image_file_name='t10k-images.idx3-ubyte';index_file_name='t10k-labels.idx1-ubyte';

2017-01-14 19:55:02 2647 1

原创深度学习Caffe实战笔记（12）Caffe 使用Python接口No module named google.protobuf.internal修复方案

训练好的Siamese网络用MATLAB提取特征的时候，出现内存越界的问题，修改了caffe代码，把限制的内存扩大之后，仍然解决不了问题，没办法只有转战python了，但是在使用Python接口的时候出现”ImportError: No module named google.protobuf.internal”起初以为是环境配置的问题，重新配置了环境以后发现仍然不行，就采用下面的这种方式修复了。。

2017-01-10 21:18:46 2458

原创深度学习Caffe实战笔记（11）一句话理解caffe的数据结构

Caffe的万丈高楼（Net），是按照图纸（prototxt）构建起来的，这个高楼（Net）是有一块块砖头（blob）一层一层（layer）建立起来的，然后通过SGD方法（solver）简装修（train）,然后再精装修（fineturn）实现的！

2017-01-07 21:20:17 1220

原创深度学习Caffe实战笔记（10）Windows Caffe使用MATLAB接口提取和可视化特征

上一篇博客中介绍了如何使用MATLAB训练和测试数据，这篇博客介绍如何从训练好的模型中提取图像特征，并介绍把卷积层特征可视化方法。之前提取特征都是用python，尽管用python提取特征很方便，但是感觉MATLAB提取特征更方便，因为博主对MATLAB比较熟悉，对python不太熟悉，，，，，，可视化部分我参考了http://www.2cto.com/kf/201609/550879.html

2017-01-07 19:50:54 5312 13

原创深度学习Caffe实战（9）Windows 平台caffe用MATLAB接口实现训练网络和测试

上一篇介绍了网络协议中各个参数的作用，知道了各个参数的作用，想必应该可以尝试修改网络结构了。前几篇博客介绍的都是用命令行训练和测试网络，这篇博客介绍如何用MATLAB接口实现训练和测试网络，window平台下caffe使用者本来就少，这方面的资料更少了，下一篇博客介绍如何利用MATLAB提取特征和可视化feature map。话不多说，我们开始train1、MATLAB实现卷积神经网络训练打开M

2017-01-07 19:40:58 9504 5

原创深度学习Caffe实战笔记（8）模型参数详解（补充）

上一篇博客介绍了如何修改网络结构，修改网络结构的前提是要知道模型的参数都是干什么的，所以想来先去，觉得还是补充一个博客把网络协议的参数做一个简单的说明：name: "LeNet" #网络名称layer { #定义一个层 name: "mnist" #层的名称 type: "Data" #层类型 top: "data" #输出，有两个，d

2017-01-06 16:38:50 3587 2

原创深度学习Caffe实战笔记（7）Caffe平台下，如何调整卷积神经网络结构

授人以鱼不如授人以渔，红鲤鱼家有头小绿驴叫驴屡屡。至于修改网络结构多亏了课题组大师姐老庞，在小米实习回校修整，我问她怎么修改网络，她说改网络就是改协议，哎呀，一语惊醒梦中人啊！虽然博主之前也想过修改网络协议试一试，鉴于一直不懂网络结构中的各个参数是干啥的，所以一直没去实施，这次终于开始尝试了。 caffe平台实现卷积神经网络实在方便的很啊，只需要一个协议文件定义一下网络结构，再定义一个超参协议文件

2017-01-06 11:48:54 5720

原创深度学习Caffe实战笔记（6）Windows caffe平台用Siamese网络跑自己的数据

终于到了介绍如何使用Siamese网络跑自己的数据了，在网上、论坛上、群里关于用Siamese网络的资料很多，但是实战的资料很少，难道是因为太容易了吗？反正博主查阅了各种地方，几乎没有找到Siamese网络实战的东东，即使有零星关于实战的东西，那也是基于Ubuntu系统，殊不知Ubuntu系统跑caffe可要比Windows简单的多了，所以，就本博主的调研情况来看，这篇博客绝对称的上是Windows

2017-01-06 09:16:47 8973 45

原创深度学习Caffe实战笔记（5）Windows caffe平台跑Siamese mnist数据集

前几篇博客介绍了环境搭建，caffe跑lenet，alexnet，cifar10，基础的一些操作都介绍的很详细了。这篇博客介绍如何使用Siamese网络跑mnist数据集，下一篇介绍如何用Siamese网络跑自己的数据集。说到Siamese网络，这次不哭了，因为几篇博客把该哭的都哭完了。网上的资料都是基于Ubuntu系统的，介绍Windows平台下Siamese网络几乎没有，所以尽管博主查阅了各

2017-01-05 22:05:28 4544 17

原创深度学习caffe实战笔记（4）Windows caffe平台下跑cifar10

上一篇博客介绍了如何用alexnet跑自己的数据，能跑自己的数据按理说再跑cifar10应该没问题了啊，但是想想还是要把cifar10的记录下来，因为cifar10数据格式是属于特殊的数据格式，需要用caffe环境把数据转换文件编译出来，这也是后面Siamese网络所必须的一个步骤，说到Siamese网络，，，，我要再哭5分钟。好，五分钟时间到，我们开始train。另外，如果是Ubuntu系统，跑c

2017-01-05 20:41:27 3193

原创深度学习Caffe实战笔记（3）用AlexNet跑自己的数据

上一篇博客介绍了如何在caffe框架平台下，用LeNet网络训练车牌识别数据，今天介绍用AlexNet跑自己的数据，同样基于windows平台下，会比基于Ubuntu平台下麻烦一些，特别是后面的Siamese网络，说起Siamese网络真是一把辛酸一把泪啊，先让我哭一会，，，，，哭了5分钟，算了，Siamese网络的苦水等以后再倒吧，言归正传，开始train。在caffe平台下，实现用Alexn

2017-01-05 17:16:11 15425 19

原创深度学习Caffe实战笔记（2）用LeNet跑车牌识别数据

caffe实战之“车牌识别” 上一篇博客写了如何在cpu的情况下配置环境，配置好环境后编译成功，就可以用caffe框架训练卷积神经网络了。今天介绍如何在caffe环境下，跑车牌识别的数据，利用的网络是LeNet，这里只介绍具体caffe实战步骤，网络结构不做具体介绍。1、准备数据在caffe根目录下的data文件夹下新建一个mine文件夹，在mine文件夹新建一个train和val文件夹，在tra

2017-01-05 15:26:18 11921 17

原创深度学习Caffe实战笔记（1）环境搭建

（1）环境搭建从知道深度学习开始，就一直想学习使用caffe，碍于各种事情一直没有如愿，这几天终于找了个时间搞了一下，打算把学习的过程整理成笔记，包括环境搭建、跑车牌识别数据，跑mnist数据，用Alexnet跑自己的数据，用Siamese网络跑mnist数据，用Siamese网络跑自己的数据以及如何调整网络结构等等。。。。后续我会慢慢更新，笔记的主要内容是如何使用caffe，主要侧重于实战，基础理

2017-01-05 11:27:37 5195 15

gybheroin的博客