参考文章： 编译历程参考：CNN：Windows下编译使用Caffe和Caffe2 caffe的VS版本源代码直接保留了sample里面的shell命令，当然这些shell命令在Windows平台下是不能运行的，需要稍...
转载
2017-09-24 16:14:00
102阅读
2评论
第二部分：GitHub账号注册登录及使用教程一、注册并登陆GitHub账号(推荐使用谷歌浏览器)注册网址： https://github.com/注意：不要用qq邮箱，收不到认证邮件。二、在GitHub上新建一个仓库1、登陆新注册的GitHub账号后，点击网页右上角的「New repository」2、填写仓库名，格式必须是「你的 http://username.github.
导师的课题需要用到图片分类；入门萌新啥也不会，只需要实现这个功能，给出初步效果，不需要花太多时间了解内部逻辑。经过一周的摸索，建好环境、pytorch，终于找到整套的代码和数据集，实现了一个小小的分类。记录一下使用方法，避免后续使用时遗忘。感谢各位大佬的开源代码和注释！一、数据处理项目文件夹为Project2，使用的是五种花朵的数据集，首先有spilt_data的代码将已经分好文件夹的数据集分类成
转载
2023-12-18 20:14:44
95阅读
论文地址：Focal Loss for Dense Object Detection 这是凯明大神所在的facebook AI工作组18年提出来的一篇目标检测的论文文中提到说，目前目标检测有两种类型框架，一种是two-stage，例如RCNN、fastRCNN、fasterRCNN、maskRCNN等这一系列的，two-stage分为两个阶段，第一个阶段使用CNN提取到特征图之后，使用r
文章目录前言0. 环境搭建&快速开始1. 数据集制作1.1 标签文件制作1.2 数据集划分1.3 数据集信息文件制作2. 修改参数文件3. 训练4. 评估5. 其他教程 前言项目地址：https://github.com/Fafa-DL/Awesome-Backbones如果你以为该仓库仅支持训练一个模型那就大错特错了，我在项目地址放了目前支持的35种模型（LeNet5、AlexNet、
转载
2024-03-11 15:15:03
278阅读
在这篇博文中，我将详细记录实现 ResNet 网络在 PyTorch 中的过程。ResNet（Residual Network）是一种深度学习模型，通过引入快捷连接，解决了深度网络中的梯度消失和梯度爆炸问题。我会覆盖相关的技术原理、架构解析、源码分析、应用场景及扩展讨论。
```mermaid
flowchart TD
A[理解 ResNet 网络]
B[PyTorch 环境准备
学习网络的时候有这样几个疑惑:为什么需要抽象出五层模型出来？难道不是直接在网线(光纤传输)中传输数据就好了么？大不了到了端点用的是WIFI传输(无线信号)。在回答问题之前我先带你领略下使用最为广泛的五层模型，分别是哪五层？各层解决了什么问题？一、五层模型是哪五层？左边是OSI的七层模型，这模型很牛逼。但是现在基本是存在教科书的啦，学习网络的同学都是知道有这个模型，实际情况使用很少的。右边是TCP/
转载
2024-09-12 06:39:43
58阅读
1.PANNet网路结构图从上图中可知，PANNet主要结构由四部分组成：BackBone+FPEM+FFM+OutPut组成。 BackBone是使用的轻量级模型resnet18，由四个输入图像strides分别为4、8、16、32的conv1、conv2、conv3、conv4组成的主干网络，并使用1
看的多个Kaggle上 图片分类比赛 的代码，发现基本都会选择resnet网络作为前置网络进行训练，那么如何实现这个呢？ 本文主要分为两个部分第一个部分讲解如何使用PyTorch来实现前置网络的设置，以及参数的下载和导入第二个部分简单讲一下resnet运行的原理。第一部分：实现有一个非常好用的库，叫做torchvision。这个是torchvision的官方文档 这个库有三个部分：torchvis
转载
2023-12-01 09:07:31
368阅读
综述 在计算广告中，CTR是非常重要的一环。对于特征组合来说，业界通用的做法主要有两大类：FM系列和Tree系列。这里我们来介绍一下FM系列。 在传统的线性模型中，每个特征都是独立的，如果需要考虑特征与特征之间的相互作用，可能需要人工对特征进行交叉组合。非线性SVM可以对特征进行核变换，但是在特征高度稀疏的情况下，并不能很好的进行学习。现在有很多分解模型可以学习到特征之间的交互隐藏关系，
接下来我们就来复现一下代码。源代码比较复杂，感兴趣的同学可以上官网学习： https://github.com/pytorch/vision/tree/master/torchvision本篇是简化版本 一、BasicBlock模块BasicBlock结构图如图所示： BasicBlock是基础版本，主要用来构建ResNet18和ResNet34网络，里面
转载
2023-10-11 10:42:16
479阅读
文章目录前言0. 环境搭建&快速开始1. 数据集制作1.1 标签文件制作1.2 数据集划分1.3 数据集信息文件制作2. 修改参数文件3. 训练4. 评估5. 其他教程 前言项目地址：https://github.com/Fafa-DL/Awesome-Backbones操作教程：https://www.bilibili.com/video/BV1SY411P7Nd如果你以为该仓库仅支持
转载
2024-10-25 11:27:40
386阅读
官方参考：http://caffe.berkeleyvision.org/installation.html官方介绍是这样的：PythonThe main requirements are numpy and boost.python (provided by boo...
转载
2015-04-06 21:35:00
178阅读
2评论
0.简介要读懂caffe，首先要熟悉Blob,Layer,Net,Solver这几个大类。这四个大类紧密相连，贯穿了整个caffe的结构，下面先分别简单地介绍一下这四个类的主
原创
2021-08-26 11:45:53
275阅读
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get i
原创
2024-10-24 10:56:12
43阅读
训练图片1075张，测试图片360参数设置net: "./image_train_val.prototxt"
test_iter: 271
test_interval: 100
base_lr: 0.01
display: 20
max_iter: 25000
lr_policy: "step&qu
原创
2018-01-23 11:38:03
4311阅读
所在目录为: /src/caffe/proto 在caffe.proto中定义了很多结构化数据,比如LayerParameter、Datum、NetParameter、SolverParameter。你每实现一个新的层都必须修改LayerParameter，然后编译。
转载
2017-11-09 15:06:00
186阅读
2评论
Caffe is a popular deep learning framework that is widely used for developing and training machine learning models. One of its key advantages is its compatibility with Linux operating systems, making
原创
2024-04-22 10:50:53
83阅读
caffe.cpp文件完成对网络模型以及模型配置参数的读入和提取，提供了网络模型训练的入口函数train和对模型的测试入口函数test。文件中使用了很多gflags和glog指令，gflags是google的一个开源的处理命令行参数的库，glog是一个有效的日志记录工具。
补充一点CUDA中查询GPU设备属性的知识：
CUDA C中的cudaGetDeviceProperties函数可以很方
转载
2017-07-21 22:47:00
140阅读
2评论
知乎上这位博主画的caffe的整体结构：https://zhuanlan.zhihu./p/21796890?refer=hsmyy Caffe 做train时的流程图，://caffecn.cn/?/question/242
原创
2022-01-17 17:23:02
160阅读
