原创 Python中的list,array

在python中,list是其內置數據類型,而array是numpy中的一個數據類型。 兩者的區別在於: (1)list中的數據類不必相同的,而array的中的類型必須全部相同 (2) 在list中的數據類型保存的是數據的

原创 文章標題 caffe訓練mnist數據集

1訓練mnist數據集,首先運行以下腳本: ./examples/mni st/train_lenet.sh 打開該腳本,發現裏面就一句話 ./build/tools/caffe train –solver=example

原创 tensorflow的坑

TFRecordReader “OutOfRangeError (see above for traceback): RandomShuffleQueue ‘_1_shuffle_batch/random_shuffle_queue’

原创 提取caffe和ncnn的權重

之前用騰訊的ncnn的框架做灰度圖分類,發現caffe和ncnn的結果不一致。 然後試着將caffe的caffemodel和ncnn的bin文件裏面的權重提取出來。 1 提取caffemodel裏的參數。 #!/usr/bin/en

原创 C++遍歷獲取文件夾下面所有文件名

#include <iostream> #include <stdlib.h> #include <stdio.h> #include <string.h> #ifdef linux #include <unistd.

原创 opencv cmake編譯錯誤

使用Cmake編譯opencv源碼遇到如下錯誤 **CMake Error: The following variables are used in this project, but they are set to NOTFOUND.

原创 caffe中的normalization_layer

caffe-ssd裏面有normalization的實現,包括.hpp,.cpp,.cu。其實現的是L2-normalization L2正則化的公式是: 現在來看caffe的代碼實現。 首先是caffe.proto,這裏面定義

原创 leetcode 13 roman to integer

感覺13roman to integer比12integer to roman 要難一些。但是前者的難度是easy,後者難度是medium. 首先看下 integer to roman, string roman[][10] = {

原创 用caffe訓練好的lenet_iter_10000.caffemodel測試單張mnist圖片

原文鏈接:http://blog.csdn.net/lanxuecc/article/details/52485077 1 第一種方法,使用caffe自帶的caffe/python/classify.py 因爲classify.py中

原创 Photoshop cc2015 批量切割圖片

因爲要製作數據集,要把很多大圖(160*192)切割成小圖(32*32),每個大圖要切割成30份。 1 首先新建動作 窗口—-動作,創建新動作,修改名稱(假設爲split),其他默認。 開始記錄動作 “文件”-“打開”

原创 faster rcnn cudnn版本不兼容問題

轉載自http://blog.csdn.net/langxing1992/article/details/71440831 一般情況下,如果使用的是1080或者Titan的顯卡,最好是使用CUDA8.0+cudnn5.1 可是最新的f

原创 使用opencv把圖片拼接成視頻

int joint() { //聲明IplImage指針 IplImage* Image = NULL; CvVideoWriter* video = cvCreateVideoWriter(“F:\jdd

原创 python核心模塊之pickle和cPickle

pickle模塊的功能就是執行序列化和反序列化,分別是通過dump()函數和load()函數完成的。 dump()函數接受一個文件句柄和一個數據對象作爲參數,把數據對象以特定的格式保存到給定的文件中。當我們使用load()函數從文件中取出

原创 SSD編譯問題

編譯SSD的時候,make all -j16 出現了以下錯誤: /usr/include/boost/property_tree/detail/json_parser_read.hpp:257:264: error: ‘type nam

原创 使用opencv從mp4視頻中抽幀並保存

使用oepncv有兩種方法,一種是使用cvGrabFrame()+cvRetrieveFrame(),另一種是使用使用cvQueryFrame()。 http://blog.csdn.net/augusdi/article/detail