小编Ali*_*Ali的帖子

正如我所注意到的，在许多流行的卷积神经网络架构（例如 AlexNet）中，人们使用多个具有几乎相同维度的全连接层来收集对早期层中先前检测到的特征的响应。

为什么我们不只使用一个 FC 来实现这一点呢？为什么这种全连接层的分层排列可能更有用？

我找不到如何在原型文件中写评论.

有没有办法在prototxt文件中有注释,怎么样？

谢谢

我正在使用 Python 中的一个工具箱使用cv2.imread函数来加载图像。

当我处理.png文件时它没问题，但是NoneType当我想.jpg从同一文件夹中读取文件时它会返回。

1. 为什么会发生这种情况？我该如何解决？
2. 如何从子文件夹中读取图像？

谢谢

import sys
import numpy as np
import os
sys.path.append("/usr/local/lib1/python2.7/site-packages")
import cv2
im1=cv2.imread('pic1.png')
print im1.shape
#output: (512, 512, 3)
im2=cv2.imread('pic1.jpg')
print im2.shape
#output:
-------------------------------------------------------------------------
AttributeError                         Traceback (most recent call last)
<ipython-input-8-2d36ac00eca0> in <module>()
----> 1 print im2.shape
AttributeError: 'NoneType' object has no attribute 'shape'


print cv2.getBuildInformation()

Media I/O: 
ZLib:                        /lib64/libz.so (ver 1.2.8)
JPEG:                        /lib64/libjpeg.so (ver 80)
WEBP:                        /lib64/libwebp.so (ver encoder: 0x0202)
PNG:                         /lib64/libpng.so (ver 1.6.17)
TIFF: …

正如我注意到,有很多函数宏如CHECK,CHECK_EQ...这是经常在来自Caffe头文件和源文件中使用,例如在blob.cpp我们有:

template <typename Dtype>
void Blob<Dtype>::FromProto(const BlobProto& proto, bool reshape) {
if (reshape) {
  vector<int> shape;
  if (proto.has_num() || proto.has_channels() ||
      proto.has_height() || proto.has_width()) {
    // Using deprecated 4D Blob dimensions --
    // shape is (num, channels, height, width).
    shape.resize(4);
    shape[0] = proto.num();
    shape[1] = proto.channels();
    shape[2] = proto.height();
    shape[3] = proto.width();
  } else {
    shape.resize(proto.shape().dim_size());
    for (int i = 0; i < proto.shape().dim_size(); ++i) {
      shape[i] = proto.shape().dim(i);
    }
  }
  Reshape(shape);
} else …