标签: caffe

我在我的ubuntu机器上成功编译了caffe但是无法在python中导入.

Caffe安装/ home/pbu/Desktop/caffe

我尝试将/ home/pbu/caffe/python路径添加到sys.path.append,仍然无法正常工作

我想进口咖啡

root@pbu-OptiPlex-740-Enhanced:/home/pbu/Desktop# python ./caffe/output.py
Traceback (most recent call last):
  File "./caffe/output.py", line 13, in <module>
    import caffe
  File "/home/pbu/Desktop/caffe/python/caffe/__init__.py", line 1, in <module>
    from .pycaffe import Net, SGDSolver
  File "/home/pbu/Desktop/caffe/python/caffe/pycaffe.py", line 10, in <module>
    from ._caffe import Net, SGDSolver
ImportError: No module named _caffe

在Caffe,我正在尝试实现一个用于语义分割的完全卷积网络.我想知道是否有一个特定的策略来设置'solver.prototxt'以下超参数的值:

• test_iter
• test_interval
• iter_size
• max_iter

是否取决于训练集的图像数量？如果是这样,怎么样？

根据我的理解,通常自动编码器在编码和解码网络中使用绑定权重吗？

我看了一下Caffe的自动编码器示例,但我没看到权重是如何绑定的.我注意到编码和解码网络共享相同的blob,但是如何保证权重正确更新？

如何在Caffe中实现捆绑重量自动编码器？

编译修改后的caffe版本时遇到了这个错误.

OpenCV static library was compiled with CUDA 7.5 support. Please, use the same version or rebuild OpenCV with CUDA 8.0

我有一些旧的代码可能与CUDA8.0不兼容,所以我想为这个错误更改我的cuda版本.

我像这样修改了〜/ .bash_profile

# export PYTHONPATH=$PYTHONPATH:/usr/local/cuda-8.0/lib64/
# export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export PYTHONPATH=$PYTHONPATH:/usr/local/cuda-7.5/targets/x86_64-linux/lib/
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-7.5/targets/x86_64-linux/lib/

但它没有用.还是一样的错误.我该怎么办？谢谢.

我试图了解如何在Caffe中解释数据.为此,我看了一下Minst Tutorial 查看输入数据定义:

layers {
  name: "mnist"
  type: DATA
  data_param {
    source: "mnist_train_lmdb"
    backend: LMDB
    batch_size: 64
    scale: 0.00390625
  }
  top: "data"
  top: "label"
}

我现在查看了mnist_train_lmdb并获取了其中一个条目(以十六进制显示):

0801101C181C229006
00000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
00000000000054B99F973C2400000000000000000000000000000000
000000000000DEFEFEFEFEF1C6C6C6C6C6C6C6C6AA34000000000000
00000000000043724872A3E3FEE1FEFEFEFAE5FEFE8C000000000000
000000000000000000000011420E4343433B15ECFE6A000000000000
00000000000000000000000000000000000053FDD112000000000000
000000000000000000000000000000000016E9FF5300000000000000
000000000000000000000000000000000081FEEE2C00000000000000
000000000000000000000000000000003BF9FE3E0000000000000000
0000000000000000000000000000000085FEBB050000000000000000
00000000000000000000000000000009CDF83A000000000000000000
0000000000000000000000000000007EFEB600000000000000000000
00000000000000000000000000004BFBF03900000000000000000000
0000000000000000000000000013DDFEA60000000000000000000000
00000000000000000000000003CBFEDB230000000000000000000000
00000000000000000000000026FEFE4D000000000000000000000000
00000000000000000000001FE0FE7301000000000000000000000000
000000000000000000000085FEFE3400000000000000000000000000
000000000000000000003DF2FEFE3400000000000000000000000000
0000000000000000000079FEFEDB2800000000000000000000000000
0000000000000000000079FECF120000000000000000000000000000
00000000000000000000000000000000000000000000000000000000
2807

(我在这里添加了换行符,以便能够看到'7'数字.)

现在我的问题是,描述这种格式的地方？或者在不同的地方定义前36个字节是某种标题,最后8个字节有一些标签对应？

我将如何构建自己的数据？Blob Tutorial和Layers Definition 都没有提供所需格式.我的目的不是使用图像数据,而是使用时间序列

谢谢!

有没有人成功培养过caffe模型？我有一个训练准备好的图像集,我想用它来创建一个用于Google的Deep Dream的caffe模型.

我能够找到的关于如何训练模型的唯一资源是:
ImageNet教程
编辑:这是另一个,但它不是创建deploy.prototxt文件.当我尝试使用另一个模型中的一个时,它"有效"但不正确.
caffe-oxford 102
任何人都可以指出我正确的方向来训练我自己的模型吗？

我想编译/配置Caffe,以便当我用它训练人工神经网络时,训练是多线程的(仅CPU,没有GPU).如何使用Caffe启用多线程？我在Ubuntu 14.04 LTS x64上使用Caffe.

我实现了Caffe C++示例的修改版本,虽然它运行得很好,但速度非常慢,因为它只能逐个接受图像.理想情况下,我想向Caffe传递200幅图像的矢量,并为每一幅图像返回最佳预测.我得到了王方林的一些很好的帮助,并实施了他的一些建议,但我仍然在解决如何从每张图片中找到最佳结果时遇到一些麻烦.

现在,Classify方法传递了一个cv::Mat对象矢量(变量input_channels),它是一个灰度浮点图像的矢量.我已经删除了代码中的预处理方法,因为我不需要将这些图像转换为浮点或减去平均图像.我也一直试图摆脱N变量,因为我只想返回每个图像的最高预测和概率.

#include "Classifier.h"
using namespace caffe;
using std::string;

Classifier::Classifier(const string& model_file, const string& trained_file, const string& label_file) {
#ifdef CPU_ONLY
  Caffe::set_mode(Caffe::CPU);
#else
  Caffe::set_mode(Caffe::GPU);
#endif

  /* Load the network. */
  net_.reset(new Net<float>(model_file, TEST));
  net_->CopyTrainedLayersFrom(trained_file);

  Blob<float>* input_layer = net_->input_blobs()[0];
  num_channels_ = input_layer->channels();
  input_geometry_ = cv::Size(input_layer->width(), input_layer->height());

  /* Load labels. */
  std::ifstream labels(label_file.c_str());
  CHECK(labels) << "Unable to open labels file " << label_file;
  string line;
  while (std::getline(labels, line))
    labels_.push_back(string(line)); …

我对如何"BatchNorm"在模型中使用/插入图层感到有点困惑.
我看到了几种不同的方法,例如:

ResNets:"BatchNorm"+ "Scale"(无参数共享)

"BatchNorm"图层紧跟着"Scale"图层:

layer {
    bottom: "res2a_branch1"
    top: "res2a_branch1"
    name: "bn2a_branch1"
    type: "BatchNorm"
    batch_norm_param {
        use_global_stats: true
    }
}

layer {
    bottom: "res2a_branch1"
    top: "res2a_branch1"
    name: "scale2a_branch1"
    type: "Scale"
    scale_param {
        bias_term: true
    }
}

cifar10示例:仅"BatchNorm"

在提供caffe的cifar10示例中,"BatchNorm"使用时没有任何"Scale"跟随它:

layer {
  name: "bn1"
  type: "BatchNorm"
  bottom: "pool1"
  top: "bn1"
  param {
    lr_mult: 0
  }
  param {
    lr_mult: 0
  }
  param {
    lr_mult: 0
  }
} …

我的蟒蛇表现得很奇怪.

conda list,conda debug,conda install,都返回什么.

我已经重新安装anaconda2,检查了我的路径.profile,它就在那里.

1. which -a conda

/Users/me/anaconda2/bin/conda

2. echo $PATH

/Users/me/anaconda2/bin:/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin:/opt/X11/bin:/usr/local/MacGPG2/bin

3 . ~/.profile:

# added by Anaconda2 5.0.1 installer
export PATH="/Users/me/anaconda2/bin:$PATH"

4 . brew doctor:

Warning: "config" scripts exist outside your system or Homebrew directories.
`./configure` scripts often look for *-config scripts to determine if
software packages are installed, and what additional flags to use when
compiling and linking.

Having additional scripts …