- 博客(60)
- 收藏
- 关注
RSS订阅原创 使用coco数据集，faster rcnn类方法训练出错解决
问题：在caffe框架下，使用coco数据集进行faster rcnn类方法训练，得到如下错误： File "/data/zn/light_head_rcnn/script/py-RFCN-priv/tools/../lib/rpn/anchor_target_layer.py", line 146, in forward argmax_overlaps = overlaps.argma...
2018-06-20 17:44:19
3887
3
原创 Anaconda+Tensorflow环境搭建
Anaconda+Tensorflow环境搭建1. 下载Anonconda.https://www.anaconda.com/download/#linux2. 安装Anaconda.#bash Anaconda3-5.2.0-Linux-x86_64.sh3.安装Tensorflow.<1> 在Anaconda里创建Tensorflow环境 #conda create -...
2018-06-08 20:25:39
1383
原创 [LintCode] 37. Reverse 3-digit Integer
题目：Reverse a 3-digit integer.ExampleReverse 123 you will get 321.Reverse 900 you will get 9.Code:class Solution {public: /** * @param number: A 3-digit number. * @return: Reversed numbe...
2018-03-27 22:37:20
823
转载 fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h
caffe编译出错： fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h解决：# In the directory you installed Caffe toprotoc src/caffe/proto/caffe.proto --cp
2017-12-17 23:17:14
5202
2
原创 caffe mobile编译运行
本文介绍如何在安卓端利用caffe模型进行识别。caffe mobile库已经有环境搭建说明，但是自己搭建的时候还是遇到了点问题，于是就进行了下总结，减少踩坑。1. caffe mobile库https://github.com/solrex/caffe-mobile2. Win7, 搭建caffe mobile环境，进行编译（仅安卓端）1）环境配置Git f
2017-09-22 10:41:15
1770
3
原创 caffe euclidean loss ignore label
如果需要在Euclidean loss层ignore掉某一类标签，caffe框架里的Euclidean loss层并没有实现这一条件，需要自己根据已有的Euclidean loss层来更改。1.了解 euclidean loss计算方式http://blog.csdn.net/seashell_9/article/details/680642942.这个版本的Eucli
2017-09-12 19:47:23
3085
4
转载 caffe源码分析 vector<Blob<Dtype>*>& bottom
转载出处：http://blog.csdn.net/qq_14975217/article/details/51524042Blob：4个维度 n x c x h x w；bottom[0] 、bottom[1]代表该层有几个输入。bottom[0]->count(): 输入中，元素的总维数（个数）bottom[0]->nums(): 输入中，块（block）的个数，该参数还对
2017-09-06 16:43:21
513
原创 caffe出错‘ImportError: libcudart.so.7.5: cannot open shared object file: No such file’
网上答案：export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64"export CUDA_HOME=/usr/local/cuda个人情况： MNC的lib文件里，删除对应的.so文件。
2017-08-14 19:59:12
1495
1
原创 caffe出错：Unknown bottom blob 'data' (layer 'conv1', bottom index 0)
caffe训练出现如下错误：Unknown bottom blob 'data' (layer 'conv1', bottom index 0)问题，缺少对应的data.解决：可能是在训练的时候加入测试迭代数，可是网络文件里并没有测试网络。
2017-07-19 17:30:01
4102
原创 opencv cv2.read 读取不了cv2.imwrite 写入的图片
opencv 目前写入的图片只支持如下格式：JPEG：压缩质量 ( CV_IMWRITE_JPEG_QUALITY )，从0到100（数值越高质量越好），默认值为95。PNG：compression level ( CV_IMWRITE_PNG_COMPRESSION ) 从0到9。 数值越高，文件大小越小，压缩时间越长。默认值为3。PPM, PGM, or PBM：二进制标志 ( C
2017-07-13 15:55:28
1603
1
原创 faster-rcnn 训练出错： Train net output #7: bbox_loss = 0
训练faster-rcnn时出现如下错误：I0420 11:41:59.087788 3180 solver.cpp:245] Train net output #7: bbox_loss = 0 (* 1 = 0 loss)原因：训练时，训练数目太少了，box的loss更新不动。解决办法： 在../config.py里提高ＲＯＩ的数目， 即提高 __C
2017-04-20 11:44:04
3860
1
原创 ＭＮＣ用自己的数据运行得到如下错误：IndexError: index 4 is out of bounds for axis 1 with size 4
用自己的数据运行ＭＮＣ的demo.py得到如下错误：Demo for data/demo/000001.jpgforward time 0.193202Traceback (most recent call last): File "demo.py", line 139, in 100, im.shape[1], im.shape[0]) File "/home/zhua
2017-04-19 19:08:04
20781
4
原创 caffe训练出错：Error parsing text-format caffe.NetParameter: 10:1: Expected identifier
添加自己的pycaffe层时，训练出现了如下错误：I0413 20:44:34.989076 13265 solver.cpp:81] Creating training net from train_net file: /home/zhuangni/code/idear2/MNC/experiments/v1/train.prototxt[libprotobuf ERROR google/
2017-04-13 21:04:03
8156
原创 《Instance-aware Semantic Segmentation via Multi-task Network Cascades》(MNC)，用自己的数据运行
这篇博文主要对《Instance-aware Semantic Segmentation via Multi-task Network Cascades》论文的代码用自己的数据运行，数据格式与原代码所需的格式一致。只是基础的利用代码，从这个过程里能了解代码的运行框架。对这篇论文的理解参见：http://blog.csdn.net/u011070171/article/details/53071
2017-01-13 17:08:26
3906
22
原创 利用caffe训练好的模型进行测试
在caffe训练的过程中，我们利用验证集来测试，可以大概了解模型的准确率。本文讲解的是，对于caffe训练好的模型进行预测，得出准确率。主要需要一下几个文件：其中log文件夹保存的是测试结果 snapshot_iter_50000.caffemodel.h5： 为需要测试的caffe模型 test.sh： 为测试程序 trai
2016-12-29 10:13:06
7447
2
原创 论文解读-<Unsupervised Domain Adaptation with Residual Transfer Networks>
论文题目： 《Unsupervised Domain Adaptation with Residual Transfer Networks》论文信息： NIPS2016, Mingsheng Long, Han Zhu, Jianmin Wang, Tsinghua University论文： http://ise.thss.tsinghua.edu.cn/~mlong/doc/res
2016-11-14 19:22:16
6568
8
原创 论文解读-<Instance-aware Semantic Segmentation via Multi-task Network Cascades>
论文题目： 《Instance-aware Semantic Segmentation via Multi-task Network Cascades》论文信息： CVPR2016,Jifeng Dai, Kaiming He, Jian Sun, Microsoft Research论文： https://arxiv.org/abs/1512.04412作者主页： http:
2016-11-08 17:25:38
6137
1
原创 caffe特征可视化
这篇博文对于caffe 网络训练到的特征进行可视化。参考： http://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb http://www.cnblogs.com/louyihang-loves-baiyan/p/5134671.ht
2016-11-01 17:09:07
2093
原创 caffe程序运行流程
在训练caffe网络的时候，train.sh的内容为：#!/usr/bin/env shTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhuangni/code/Multi-Task/experiment_single/attr1/vgg/log/' \$TOOLS/ca
2016-10-28 10:31:53
2652
6
原创 利用caffe日志进行测试精度训练损失等的画图（caffe训练结果可视化）
本文主要介绍，将caffe训练得到的accracy,loss进行图像化。对于一般caffe训练结果的可视化：1.在训练时，需要将训练的结果保存日志。 train.sh：#!/usr/bin/env shTOOLS=/home/zhuangni/code/Multi-Task/caffe-master/build/toolsGLOG_log_dir='/home/zhua
2016-10-26 18:42:14
9220
25
原创 caffe训练出错：malloc(): memory corruption
caffe训练网络时出现错误：*** Aborted at1476722149 (unix time) try "date -d @1476722149" if you areusing GNU date ***PC: @ 0x7f81a419bed4 caffe::BlobProto::SerializeWithCachedSizesToArray()*** Error
2016-10-18 10:04:06
6937
3
转载 Caffe部署中的几个train-test-solver-prototxt-deploy等说明<三>
转载地址： http://blog.csdn.net/lg1259156776/article/details/525508651:神经网络中，我们通过最小化神经网络来训练网络，所以在训练时最后一层是损失函数层（LOSS），在测试时我们通过准确率来评价该网络的优劣，因此最后一层是准确率层（ACCURACY）。但是当我们真正要使用训练好的数据时，我们需要的是网络给
2016-10-13 14:16:13
2531
转载 Caffe部署中的几个train-test-solver-prototxt-deploy等说明 （二）
deploy.prototxt1.删除输入数据（如：type:data...inckude{phase: TRAIN}），然后添加一个数据维度描述。 input: "data" input_dim: 1 input_dim: 3 input_dim: 224 input_dim: 224 force_backwa
2016-10-13 09:27:08
766
转载 Caffe部署中的几个train-test-solver-prototxt-deploy等说明 （一）
转载地址： http://blog.csdn.net/lg1259156776/article/details/52550830本文只是自己学习一天的总结，如有不对的地方，欢迎指正！欢迎大家转载，但请标明出处，谢谢！1、*_train_test.prototxt文件这是训练与测试网络配置文件（1）在数据层中 参数include{
2016-10-13 09:07:15
1268
转载 ubuntu滚动屏幕长截屏，截取整个网页
转载地址：http://www.leesven.com/2571.html使用Firefox(ubuntu自带浏览器)shift+F2打开dev控制台输入下面的指令来截取整个网页screenshot fileName --fullpage其中fileName 是保存成图片（一般是png 格式，存储在你firefox设置的下载路径里）的文件名，你会在下载路
2016-10-09 17:13:30
9689
1
原创 强烈推荐一个在线caffe网络可视化工具！！
简直想奔走相告！！在线的caffe网络可视化工具： http://ethereon.github.io/netscope/quickstart.html可以可视化写的网络结构，鼠标移上去还能看见参数配置。我的网络：
2016-10-09 16:19:37
19621
2
原创 caffe训练出错 loss= 87.3365
caffe训练网络的时候，出现loss= 87.3365,解决：将solver.prototxt中的base_lr调小。 若base_lr：0.01，可调为base_lr:0.001.
2016-10-08 11:22:22
2784
转载 caffe——solver层详解
solver层（*_solver.prototxt）与train_val.prototxt层配合使用。 solver层定义了如何使用model。The Caffe solvers are: 1. Stochastic Gradient Descent (type: “SGD”) 2. AdaDelta (type: “AdaDelta”) 3. Adaptive Gradien
2016-09-28 20:59:42
1191
原创 更改caffe使得其接收多标签输入，并在网络层中使用
参考文章： http://www.dlworld.cn/YuanMaXiaZai/839.html一般，caffe数据在转换为lmdb格式前，数据内容为： 000001.jpg 1现更改caffe，使得其接收数据形式为： 000001.jpg 1 1 -1 -1 1 的数据内容。主要思想：（更改convert_imageset.cpp文件，使得分别生成图片的lmdb数据格式和标签的
2016-09-27 17:52:19
2979
5
原创 搭建faster-rcnn进行目标检测的环境
1.电脑上已经有可运行caffe所需的环境2.下载faster-rcnn python版本源码 git clone --recursive https://github.com/rbgirshick/py-faster-rcnn.git3. 进入/py-faster-rcnn/lib 进行编译cd /py-faster-rcnn/libmake4.
2016-09-01 16:02:42
7519
22
原创 编译caffe出现错误：make: *** [.build_release/src/caffe/common.o] Error 1
在编译caffe时出现错误：In file included from ./include/caffe/util/device_alternate.hpp:40:0, from ./include/caffe/common.hpp:19, from src/caffe/common.cpp:7:./include/caffe
2016-08-23 17:44:23
37224
27
原创 caffe 更改源码，使得输入数据为多个标签
caffe数据层（DataLayer）的数据来源有：1.数据来自数据库（LevelDB或LMDB） 层类型（layer type）:Datalayer { top: "data" top: "label" name: "data" type: "Data" data_param { source: "/home/zhuangni/code/FaceD
2016-08-09 10:18:45
3714
4
原创 caffe增加额外的依赖库
caffe增加额外的依赖库例如需要增加CGAL库，在caffe 的Makefile里添加CGAL即可。LIBRARIES += glog gflags protobuf boost_system boost_filesystem m hdf5_hl hdf5 CGAL
2016-08-06 19:19:27
893
原创 <Learning Transferable Features with Deep Adaptation Networks>caffe 添加MMDLoss层(caffe 自定义网络层)
这篇文章主要通过《Learning Transferable Features with Deep Adaptation Networks》这篇论文，增加MMDLoss网络层，对caffe增加网络层进行讲解。1.添加头文件 在/caffe-master/include/caffe/layers/neuron_layer.hpp 中添加MMDLoss的头文件声明#ifndef CAF
2016-08-06 19:05:19
3307
4
原创 调用caffe进行网络训练（caffe.cpp 解析）
caffe.cpp 文件为调用caffe进行网络训练的主要代码，内包含 train,test,time等函数对网络进行训练，微调，测试，时间计算。 caffe.cpp文件位于： /caffe-master/tools/caffe.cpp参考博文： http://blog.sina.com.cn/s/blog_9a3e0f110102w9r1.html#ifdef WITH_
2016-07-14 15:21:05
10533
2
转载 [王晓刚]深度学习在图像识别中的研究进展与展望
深度学习发展历史上世纪40年代 神经网络模型被提出，试图通过模拟大脑认知的机理，解决各种机器学习的问题。1986年 Rumelhart，Hinton 和 Williams 在《自然》发表了著名的反向传播算法，用于训练神经网络2000年前后 由于计算资源有限、训练集规模小，人们更倾向于浅层学习机（如SVM、Boosting、最邻近等分类器）2006年 Geoffrey Hinton 提出了深
2016-06-28 11:32:35
5421
原创 caffe，将数据转换为lmdb/leveldb,convert_imageset.cpp 解析
这是一个caffe提供的函数，能将数据转换为caffe可用的，lmdb/leveldb格式的数据。具体调用参考我的另一篇博文：http://blog.csdn.net/u011070171/article/details/51548823convert_imageset.cpp// This program converts a set of images to a lmdb/leve
2016-06-03 16:40:42
4742
11
原创 将数据划分为训练数据及测试数据（div_train_val.py 解析）
将LFW数据划分为face,non-face两个图像数据文件，在此基础上，提取训练数据及测试数据。训练数据，在face文件中提取一部分，在non-face文件中提取一部分。测试数据，在face文件中提取一部分，在non-face文件中提取一部分。使用 div_train_val.py ，能得到训练数据及测试数据，其文件内容为，图像的路径及标注。# -*- coding: utf-8
2016-06-01 10:17:42
3072
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人