我在caffe中创建了一个"Python"图层"myLayer",并在网中使用它train_val.prototxt我像这样插入图层:
layer {
name: "my_py_layer"
type: "Python"
bottom: "in"
top: "out"
python_param {
module: "my_module_name"
layer: "myLayer"
}
include { phase: TRAIN } # THIS IS THE TRICKY PART!
}
现在,我的图层只参与网络的TRAINing阶段,
我怎么知道在我的图层的setup功能？
class myLayer(caffe.Layer):
def setup(self, bottom, top):
# I want to know here what is the phase?!!
...
PS,
我在"Caffe Users"谷歌小组上发布了这个问题.如果有什么东西在那里,我会更新.
我需要一些帮助,用一个带有images和label-text-file的普通目录为暹罗CNN创建一个CaffeDB.最好的将是一种python方式.
问题不是遍历目录并制作图像对.我的问题更多的是从这些对中制作CaffeDB.
到目前为止,我只用于convert_imageset从图像目录中创建CaffeDB.
感谢帮助!
training-data neural-network deep-learning caffe conv-neural-network
我想为caffe中的语义分段创建一个自定义丢失层,需要多个输入.我希望这种损失函数具有额外的输入因子,以便惩罚小物体中的未命中检测.
为此,我创建了一个图像GT,其中包含每个像素的权重.如果像素属于小物体,则重量很高.
我是caffe的新手,我不知道如何同时为我的网络提供三个2-D信号(图像,gt-mask和每像素权重).我怀疑caffe如何处理rgb数据和gt数据之间的对应关系.
我想扩展这个以便为类标签图像设置2 gt,而将另一个设置为丢失功能.
你能给出一些暗示以达到这个目的吗？
谢谢,
computer-vision neural-network image-segmentation deep-learning caffe