因为工作需要最近一直在琢磨Caffe，纯粹新手，写博客供以后查阅方便，请大神们批评指正！Caffe中，数据的读取、运算、存储都是采用Google Protocol Buffer来进行的，所以首先来较为详细的介绍下Protocol Buffer(PB)。PB是一种轻便、高效的结构化数据存储格式，可以用于结构化数据串行化，很适合做数据存储或 RPC 数据交换格式。它可用于通讯协议、数据
转载
2021-07-12 09:57:04
1891阅读
1、TensorRT的需要的文件 需要的基本文件（不是必须的
原创
2022-10-05 19:15:06
196阅读
Caffe学习：使用pycaffe读取caffemodel参数
【学习】图解TensorFlow源码
https://github.com/yao62995/tensorflow
【学习】tensorflow笔记：多层LSTM代码分析
【推荐】TensorFlow练习汇总
http://blog.topspeedsnail.com/archive
原创
2021-07-27 15:34:22
289阅读
原创
2021-09-01 15:16:33
207阅读
接上篇文章，这次进行批量图片处理，在/examles/images文件中有四张图片如下所示接下来另外创建classifiy2.py文件，进行批量图片处理，事实上，这次的处理流程和上篇笔记基本类似，上次是处理一张图片，这次是处理批量图片而已。区别只是选用Python进行图片分类时调用的不是classify文件而是classify2文件，其他操作流程基本不变，具体可参考：学习笔记（十六） ：h...
原创
2021-09-01 15:14:41
117阅读
# The caffe module needs to be on the Python path;# we'll add it here explicitly.caffe_root='/home/qif/smf/caffe/'#os.chdir(caffe_root)import sys# sys.path.insert(0, caffe_root+'python')sys.path.append(r'/home/qif/smf/caffe/python')import caffeimp
原创
2021-07-11 16:38:59
597阅读
1. MNIST数据集介绍
MNIST是一个手写数字数据库，样本收集的是美国中学生手写样本，比较符合实际情况，大体上样本是这样的：
MNIST数据库有以下特性：
包含了60000个训练样本集和10000个测试样本集；
分4部分，分别是一个训练图片集，一个训练标签集，一个测试图片集，一个测试标签集，每个标签的值是0~9之间的数字；
原始图像归一化大小为28*28，以二进制形式保存
2.
转载
2017-06-21 02:30:00
259阅读
2评论
caffe中训练和测试mnist数据集都是批处理，可以反馈识别率，但是看不到单张样本的识别效果，这里使用windows自带的画图工具手写制作0~9的测试数字，然后使用caffemodel模型识别。
1. 打开画图工具，设置画板宽高为28*28，然后分别画出0~9的数字，分别保存为0~9.bmp文件。
宽高属性修改：
手写的10个数字：
画图工具保存的这10张手写数字图像是彩色三通道
转载
2017-06-21 20:56:00
86阅读
2评论
本程序在py-faster-rcnn/tools/demo.py的基础上进行修改
程序功能：利用训练好的caffemodel，对人脸进行标注
'''im_names = ['000456.jpg', '000542.jpg', '001150.jpg',
'001763.jpg', '004545.jpg']'''
########
转载
2021-07-12 10:05:11
64阅读
现在我正在利用imagenet进行finetune训练，待训练好模型，下一步就是利用模型进行分类。故转载一些较有效的相关博客。博客来源：http://www.cnblogs.com/denny402/p/...
转载
2016-09-15 21:34:00
192阅读
2评论
Caffe Model Zoo许多的研究者和工程师已经创建了Caffe模型，用于不同的任务，使用各种种类的框架和数据。这些模型被学习和应用到许多问题上，从简单的回归到大规模的视觉分类，到Siamese n...
转载
2016-09-28 09:23:00
96阅读
2评论
Caffe Model Zoo许多的研究者和工程师已经创建了Caffe模型，用于不同的任务，使用各种种类的框架和数据。这些模型被学习和应用到许多问题上，从简单的回归到大规模的视觉分类，到Siamese n...
转载
2016-09-28 09:23:00
242阅读
2评论
摘要：要把自己的模型进行移植，之前是后端的移植，最近前端也提了需求，前端一般都是用海思芯片(海思HI3516DV300)，只支持caffe，所以为了先测试时间得把tf的模型转成caffemodel。这里是将tf1.x转为caffemode,后续补全darknet转为caffemode一、转换ckpt转caffemodel转换代码：# coding=utf-8# Author : AnnSun# Created date: 2020-06-23# from __future
原创
2021-07-11 16:39:00
484阅读
报错importerror: Something is wrong with the numpy installation. While importing we detected an older version of numpy in [‘D:\Anaconda3\envs\tensorflow\lib\site-packages\numpy’]. One method of fixing this is to repeatedly uninstall numpy until none is foun
原创
2021-07-11 16:39:06
332阅读
在pycharm中直接运行tf113tocaffe.py报错如下：cudnn_conv_layer.cpp:52] Check failed: error == cudaSuccess (30 vs. 0) unknown error如下图所示：解决方法：在tf113tocaffe.py所在目录下，打开终端：sudo python3 tf113tocaffe.py （重点是sudo python3）问题2：在终端运行：sudo python3 tf113tocaffe.py报错如
原创
2021-07-11 16:39:05
371阅读
caffe中其实已经自带了这样的小工具 caffe-master/tools/extra/parse_log.sh caffe-master/tools/extra/extract_seconds.py和 caffe-master/tools/extra/plot_training_log.py.example ，使用方法如下：1.windows记录训练日志：在训练过程中的命令中加入一行参
转载
2021-07-12 10:09:30
120阅读
用caffemodel去测试单通道的图像（mnist数据集）时，出现了问题，例如：维度不匹配、单通道图像和三通道图像不能强制转换等问题。因为链接中的代码适用于对RGB三通道的图像的分类。只需要将代码中： im=caffe.io.load_image(img) #加载图片 修改为： im=caffe.io.load_image(img,False) 即可
转载
2018-04-12 10:07:00
53阅读
2评论
解决办法：加sudo权限：sudo python解决办法：sudo python3原因在于：
原创
2021-07-12 10:54:03
819阅读
摘要：要把自己的模型进行移植，之前是后端的移植，最近前端也提了需求，前端一般都是用海思芯片(海思HI3516DV300)，只支持caffe，所以为了先测试时间得把tf的模型转成caffemodel。这里是将tf1.x转为caffemode,后续补全darknet转为caffemode一、转换环节的注意点：卷积tensorflow卷积参数的存储方式是：（kernel_h, kernel_w, input_channel, output_channel）caffe卷积参数的存储方式是：（out
原创
2021-07-11 16:39:02
673阅读
【神经网络与深度学习】【CUDA开发】【VS开发】Caffe+VS2013+CUDA7.5+cuDNN配置成功后的第一次训练过程记录标签：【神经网络与深度学习】 【CUDA开发】 【VS开发】 紧着上一篇，我在windows上...
转载
2016-09-16 19:26:00
81阅读
2评论
