import caffefrom caffe import layers as Limport osimport numpy as npfrom matp
原创
2022-11-10 14:34:59
84阅读
windows快速搭建caffe环境程序结构：其中： 文件(后缀) 路径 .caffemod
原创
2022-11-01 10:03:56
154阅读
caffe-master/python/draw_net.py 实现绘制caffe中定义的网络模型功能，将.prototxt文件可视化。
需要先安装pydot和protobuf工具
通过Anaconda安装pydot和protobuf工具：
sduo chmod 777 -R ~/anaconda2
conda install protobuf
conda install pydot
转载
2017-07-18 21:40:00
88阅读
2评论
网上很多都是opencv写的，没办法gpu加速，我开始也用opencv写过，但是不加速运行很慢。没办法，亲自操刀写了一个利用caffe的pyport osimport numpy as npimport cv2import sy
caffe自带的例子中对mnist手写体数字训练使用的卷积神经网络是在lenet_train_test.prototxt中定义的，隐含层包含了2个卷积层，2个池化层，2个全连接层，1个激活函数层。网络结构如下：
这里尝试修改一下lenet_train_test.prototxt文件，减少或增加一组卷积层和池化层，对比一下各自的训练精度和损失。
1. 减少一组卷积层和池化层
这样隐含
转载
2017-06-28 23:55:00
64阅读
2评论
使用 Caffe 训练自己的 Alexnet1. 数据准备2. 计算图像均值3. 定义网络3.1 修改 solver.prototxt3.2 修改 train_val.prototxt4. 训练网络参考：caffe:用自己的图像数据训练模型（图片分类）Brewing ImageNet1. 数据准备在 caffe_master/data 中新建文件夹 myself9，在 myself9...
原创
2021-12-10 15:56:03
295阅读
目录1. 初见LeNet原始模型 2. Caffe LeNet的网络结构 3. 逐层理解
转载
2022-08-04 23:04:37
92阅读
PyTorch的学习和使用（八）
Mon 22
Mon 29
Mon 05
settrace
grad_fn
pyTorch1.0
pyTorchToCaffe
完成进度表
一、pyTorch to Caffe 静态图： 网络在输
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
168阅读
2评论
本文部分内容来源于CDA深度学习实战课堂，由唐宇迪老师授课 如果你企图用CPU来训练
转载
2021-07-09 13:34:29
186阅读
一个深度学习模型的参数包括三部分：可学习参数：又称可训练参数、神经网络权系数、权重，其数值由
原创
2023-06-25 08:49:51
132阅读
在计算机视觉领域，卷积神经网络（CNN）已经成为最主流的方法，比如GoogLenet、VGG-19、Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现，ResNet可以训练出更深的CNN模型，从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之...
转载
2019-03-25 09:17:01
226阅读
首先你需要下载caffe源码，然后先编译好，注意一定要将Makefile.config里的DEBUG := 1注释掉 可以看到注释掉debug后编译会生成的.build_debug目录，调试过程中需要的二进制文件都在这个文件夹里面 之后就按照百度网盘那个ppt里面那样一步步设置就好了
转载
2017-10-25 21:52:00
66阅读
2评论
Linux系统是一种非常流行的操作系统，而Linux Caffe则是一个专门面向Linux用户的咖啡馆。这个咖啡馆提供了一个轻松愉快的环境，让Linux用户可以轻松地交流和享受咖啡。在这里，用户可以找到各种不同口味的咖啡和小吃，同时也可以参加各种Linux相关的活动。
对于初次来到Linux Caffe的用户来说，可能会有些困惑，不知道该如何使用这个咖啡馆。以下是一个简单的Linux Caffe
参考链接####### 代码目录.├── build├── CMakeLists.txt├── data│ ├── cat.jpg│ ├── imagenet_me
原创
2023-01-20 09:34:44
123阅读
当训练好一个model之后，我们通常会根据这个model最终的loss和在验证集上的accuracy来判断它的好坏。但是，对于分类问题，我们如果只是知道整体的分类正确率 显然还不够，所以只有知道模型对于每一类的分类结果以及正确率这样才能更好的理解这个模型。 下面就是一个用训练好的模型，来对测试集进行
转载
2016-09-02 18:38:00
184阅读
2评论
caffeio.load_image()返回值为0到1之间的浮点数，也就是在内部已经除以了255,如果不设定，返回值的图像也是RGB三个通道的图像，可以在参数中加一个Falze这个参数，返回就是灰度图像来。
原创
2021-07-12 11:24:34
254阅读
文章首发于微信公众号《与有三学AI》【caffe速
原创
2022-10-12 15:20:53
114阅读
