原创 Caffe部署中的幾個train-test-solver-prototxt-deploy等說明 (一)
轉載地址: http://blog.csdn.net/lg1259156776/article/details/52550830 本文只是自己學習一天的總結,如有不對的地方,歡迎指正! 歡迎大家轉載,但請標明出處,謝謝! 1、
原创 caffe——solver層詳解
本文爲轉載文章,已未知作者,如作者看到,可聯繫增加轉載鏈接。 solver層(*_solver.prototxt)與train_val.prototxt層配合使用。 solver層定義瞭如何使用model。 The Caffe sol
原创 caffe訓練出錯 loss= 87.3365
caffe訓練網絡的時候,出現loss= 87.3365, 解決:將solver.prototxt中的base_lr調小。 若base_lr:0.01,可調爲base_lr:0.001.
原创 Caffe部署中的幾個train-test-solver-prototxt-deploy等說明 (二)
deploy.prototxt 1.刪除輸入數據(如:type:data...inckude{phase: TRAIN}),然後添加一個數據維度描述。 input: "data" input_dim: 1
原创 強烈推薦一個在線caffe網絡可視化工具!!
簡直想奔走相告!! 在線的caffe網絡可視化工具: http://ethereon.github.io/netscope/quickstart.html 可以可視化寫的網絡結構,鼠標移上去還能看見參數配置。 我的網絡:
原创 caffe訓練出錯:malloc(): memory corruption
caffe訓練網絡時出現錯誤: *** Aborted at1476722149 (unix time) try "date -d @1476722149" if you areusing GNU date *** PC: @ 0x7
原创 caffe euclidean loss ignore label
如果需要在Euclidean loss層ignore掉某一類標籤,caffe框架裏的Euclidean loss層並沒有實現這一條件,需要自己根據已有的Euclidean loss層來更改。 1.瞭解 euclidean loss計算方式
原创 論文解讀-<Instance-aware Semantic Segmentation via Multi-task Network Cascades>
論文題目: 《Instance-aware Semantic Segmentation via Multi-task Network Cascades》 論文信息: CVPR2016,Jifeng Dai, Kaiming He, Jia
原创 caffe mobile編譯運行
本文介紹如何在安卓端利用caffe模型進行識別。caffe mobile庫已經有環境搭建說明,但是自己搭建的時候還是遇到了點問題,於是就進行了下總結,減少踩坑。 1. caffe mobile庫 https://github.com/so
原创 fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h
caffe編譯出錯: fatal error: caffe/proto/caffe.pb.h: No such file or directory #include "caffe/proto/caffe.pb.h 解決: # In
原创 [LintCode] 37. Reverse 3-digit Integer
題目:Reverse a 3-digit integer.ExampleReverse 123 you will get 321.Reverse 900 you will get 9.Code:class Solution { publi
原创 使用coco數據集,faster rcnn類方法訓練出錯解決
問題:在caffe框架下,使用coco數據集進行faster rcnn類方法訓練,得到如下錯誤: File "/data/zn/light_head_rcnn/script/py-RFCN-priv/tools/../lib/rpn/a
原创 Anaconda+Tensorflow環境搭建
Anaconda+Tensorflow環境搭建1. 下載Anonconda.https://www.anaconda.com/download/#linux2. 安裝Anaconda.#bash Anaconda3-5.2.0-Linux
原创 caffe出錯‘ImportError: libcudart.so.7.5: cannot open shared object file: No such file’
網上答案: export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64" export CUDA_HOME=/usr/local/cuda 個人情況: MNC的li
原创 利用caffe日誌進行測試精度訓練損失等的畫圖(caffe訓練結果可視化)
本文主要介紹,將caffe訓練得到的accracy,loss進行圖像化。 對於一般caffe訓練結果的可視化: 1.在訓練時,需要將訓練的結果保存日誌。 train.sh: #!/usr/bin/env sh TOOLS=/hom