小编mcE*_*nge的帖子

有谁知道所有重要的pycaffe命令是否有备忘单？到目前为止,我只使用matlab接口和终端+ bash脚本来使用caffe.

我想转向使用ipython并完成ipython笔记本示例.但是我发现很难概述python的caffe模块中的所有函数.(我也是python的新手).

我有一个占位符变量,需要一批输入图像:

input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')

现在我有2个输入数据源:
1)张量和
2)一些numpy数据.

对于numpy输入数据,我知道如何将数据提供给占位符变量:

sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})

如何将张量提供给该占位符变量？

mLoss, = sess.run([loss], feed_dict = {input_placeholder: myInputTensor})

给我一个错误:

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.

我不想将张量转换成一个numpy数组使用.eval(),因为这会减慢我的程序速度,还有其他方法吗？

当我尝试使用Android模拟器测试我的Android应用程序时,我现在突然收到错误消息.我正在使用Windows 8.到目前为止,我尝试了以下不幸无法解决问题的方法:

• 用android adt重新安装eclipse
• 重新安装java
• 安装"android工作室"首先解决了问题,但在神秘地也在这里adb一天后,停止使用标题"ADB没有响应..."中给出的错误消息

此外,我未能成功地从谷歌先生那里得到一些建议:

• 通过任务管理器停止adb.exe并重启eclipse/android工作室
• "adb kill-server"然后通过命令提示符"start-server"
• 将adb.exe的路径设置为环境变量
• 关闭任何防病毒或防火墙
• 以管理员身份启动IDE
• 更新IDE

我唯一记得做的事情可能是我的计算机上的adb一直被毁掉:我将我的摩托罗拉智能手机连接到我的笔记本电脑并安装了motorola usb驱动程序,但正如我所说,adb也不适用于模拟器.

任何帮助将不胜感激.这个问题让我困扰了一整天.也许有人在Windows 8上有类似的问题？

有谁知道Caffe是否存在一个漂亮的LSTM模块？我在russel91的github帐户中找到了一个,但显然包含示例和解释的网页消失了(以前http://apollo.deepmatter.io/ - >它现在只重定向到github页面,不再有例子或解释).

在Matlab中,我可以data很容易地用矩阵可视化矩阵

data = rand(10,10); % Createas a 10 x 10 random matrix
imagesc(data);
colorbar;

现在我想在python中做同样的事情.我已经知道如何绘制2d矩阵(numpy数组):

from matplotlib.pyplot import imshow
import numpy as np
data = np.random.random((10,10))
imshow(np.asarray(img))

但我不知道如何添加颜色条.有任何想法吗？

尝试使用Cuda 8.0在Ubuntu 14.04.5上编译caffe衍生DeepLab_v2时出现此错误.

有谁知道如何解决这个问题？

DeepLab_v2在另一台拥有Cuda 7.5的计算机上编译得很好,但由于在我目前的计算机中我有一个Pascal Titan X,我可能需要使用Cuda 8.0.

如何在新数据集的tensorflow中微调预训练模型？在Caffe中,我可以简单地重命名最后一层并为随机初始化设置一些参数.张量流中有类似的东西吗？

假设我有一个检查点文件(deeplab_resnet.ckpt)和一些代码,用于设置计算图,我可以在其中修改最后一层,使得它具有与新数据集具有类相同的输出数量.

然后我尝试像这样开始会话:

sess = tf.Session(config=config)
init = tf.initialize_all_variables()

sess.run(init)

trainable = tf.trainable_variables()
saver = tf.train.Saver(var_list=trainable, max_to_keep=40)
saver.restore(sess, 'ckpt_path/deeplab_resnet.ckpt')

然而,这在调用saver.restore函数时给出了一个错误,因为它期望与保存它的图形结构完全相同.我怎样才能加载除'ckpt_path/deeplab_resnet.ckpt'文件中最后一层以外的所有权重？我也试过更改Classification图层名称,但没有运气...

我正在使用tensorflow-deeplab-resnet模型

我试图手动重新计算这个函数的输出,所以我创建了一个最小的例子:

logits = tf.pack(np.array([[[[0,1,2]]]],dtype=np.float32)) # img of shape (1, 1, 1, 3)
labels = tf.pack(np.array([[[1]]],dtype=np.int32)) # gt of shape (1, 1, 1)

softmaxCrossEntropie = tf.nn.sparse_softmax_cross_entropy_with_logits(logits,labels)
softmaxCrossEntropie.eval() # --> output is [1.41]

现在根据我自己的计算我只得[1.23]手动计算时,我只是应用softmax

和交叉熵:

在哪里q(x) = sigma(x_j) or (1-sigma(x_j))取决于j是否是正确的基础真值类p(x) = labels,然后是一个热编码的

我不确定差异可能来自哪里.我无法想象某些epsilon会产生如此大的差异.有人知道我在哪里可以查找,tensorflow使用哪个确切的公式？该确切部分的源代码是否可用？
我只能找到nn_ops.py,但它只使用另一个gen_nn_ops._sparse_softmax_cross_entropy_with_logits我在github上找不到的函数...

我有一个由几个彩色体素组成的场景.当在meshlab中打开它时,所有点都被绘制为2维正方形.是否有可能渲染一个场景,其中方块被三维立方体替换,并且在meshlab中具有额外的闪电/反射率？

这是我到目前为止所得到的:

我宁愿想要这样的东西:

如何列出所有 Docker 卷及其各自的大小。

docker volume inspect $(docker volume ls)

提供有关所有卷但每个卷大小的信息。

最好，我想检查大小，而不必将它们安装到某个容器中，因为我有超过 20 个卷，其中包含一些神秘的“散列”卷名称，可能会产生一些错误，我正在尝试查找这些错误。