- 博客(13)
- 收藏
- 关注
RSS订阅原创 windows底下尝试通过caffe复现yolov3(1)
在安装好caffe后进行caffe复现yolov3时遇到的问题解决方案，跑代码来自 https://github.com/ChenYingpeng/caffe-yolov3 将代码中的所有文件添加进VS源代码对应位置中，在运行过程中遇到的问题，但是该方案无法实现进行YOLO转换，仅仅能够实现调用caffe的C++接口，因为caffe中不存在YOLO层，笔者考虑将上述网页中的YOLO层添加进caff...
2020-01-12 20:52:05
583
2
原创 caffe学习笔记6--多labelHDF5制作
要想使用HDF5数据源 需要在layer.prototxt中引入一个layer layer{ name:“data” type:“HDF5Data” top:data top:label hdf5_data_param{ source:“trainlist.txt”#通过Python制作得到的list文件，里面的内容为数据集的路径 batch_size:10 } } hdf5.txt文件内容: 多...
2018-10-20 22:14:19
530
2
原创 caffe学习笔记5-制作LMDB数据
caffe提供了相关的脚本，我们只需要打开对里面的某些某块进行编写就可以了 打开.sh文件进行配置 首先是EXAMPLES和DATA两个选项，一般情况下我们制作项目都是新建一个文件夹，然后将相关的layer层和solver配置文件都放到这个文件夹下，那么这时候对应的这两个选项就是填入这个文件夹了 TOOLS，caffe的文件夹中的/caffe/build/tools，那么我们只需要填写前面的绝对路...
2018-10-18 22:32:21
357
原创 caffe学习笔记4--solver超参数配置
net:prototxt#所写的net文件所在的位置 type:SGD#caffe中对于非凸函数的求解的优化。caffe中给出了六种优化算法,分别为 Stochastic Gradient Descent(type:“SGD”)随机梯度下降 AdaDelta(type:“AdaDelta”) Adaptive(type:“AdaGrad”) Nesterov’s Accelerated Grad...
2018-10-17 23:07:09
309
原创 caffe学习笔记3--softmax，reshape层,dropout层的编写
softmax层可以输出loss函数或者计算此时的准确率情况 对于loss的计算 通过上面的函数来实现一个归一化的操作，那么此时函数得到的结果就范围就是咋(0-1)之间，得出概率值 layer{ name:“loss” type:“SoftmaxWithLoss” bottom:“ip1” bottom:“label” top:“loss” } 输出prob layer{ name:“prob”...
2018-10-17 20:00:10
918
原创 caffe学习笔记2--卷积层和池化层、激活函数、全连接层的编写
layer{ name:“conv1” type:“Convolution” top:“conv1” bottom:“data”#跟数据层的输出相对应，表示输入的数值的属性，因为在数据层中输出的是data属性，卷积层连接的是数据层，故是data param{ lr_mult:1#对权重参数的定义，W，最终的学习率是solver.prototxt中的base_lr乘以W } param{ lr_mu...
2018-10-16 23:19:16
1002
原创 caffe框架学习笔记1--数据层的编写
数据层是需要第一层用来给模型提供数据的层 layer{ name:“DATA”#这一层的名字命名为_DATA_层 type:“Data”#表明这一层的属性是数据 top:“data” #bottom 表示输入，top表示输出，在数据层中并没有输入层，只有输出层，输出层为x和y，即一 个是输入的数据，另外一个是我们所给定的这个数据的标签 top:“label” include { phase...
2018-10-15 23:30:34
290
原创 pandas学习笔记1--对数据的读取
pandas是Python中用来对数据进行处理的一个模块 pandas.read_csv() 用来读入csv文件 foof_csv=pandas.read_csv(文件名) 此时通过type(food_csv) 可以得到这是一个DataFrame的结构 print(food_csv.dtype) 可以看到这里面包含着很多不同的属性的数据 字符型描述为object head() 显示csv文件中的...
2018-10-15 21:22:22
436
原创 Python nump学习笔记4
numpy中同时还有提供数学方法来进行对矩阵运算 如matrix = numpy.arrange(3) A=numpy.exp(matrix) 那么此时就是对matrix求e的多少次幂运算 得到如下结果 ravel函数 可以实现将矩阵变成一个一维向量 例如，将一个二维矩阵通过ravel函数转换成一个一维向量 floor函数 这个函数可以实现将矩阵中的float型实现向下取整功能 numpy中...
2018-10-14 23:30:38
410
原创 Python nump学习笔记3
reshape是numpy中的一个关键使用，通过reshape可以实现将array属性转换 比如 vector=numpy.arange(9) 此时vector中存放的数据类型应该为一维向量 [0,1,2,3,4,5,6,7,8] matrix=vector.reshape(3,3) 第一个3表示3行，第二个3表示三列 那么此时就可以将一维向量转换成为矩阵类型 print(matrix) arra...
2018-10-13 23:28:37
666
原创 Python numpy学习笔记2
numpy中的判断 如vector=numpy.array([5,10,15,20]) vector==10 那么这时候输出出来的就会是array([false true false false],dtype=bool) 这个判断对于矩阵也适用，对于每个元素进行判断并且返回值 equil_ten=(vector10) 那么此时equil_ten变量中所储存的值就是[10] 他会把True的值给返回...
2018-10-13 22:06:32
208
原创 Python numpy学习笔记1
print(help(函数)) 可以查看官方中对函数的详细介绍 numpy.array([])是numpy中的array结构是numpy中最重要的结构 如 vector=numpy.array([5,10,15,20])，vector即为一个向量 二维格式矩阵的创建 matrix=numpy.array([[5,10,15],[20,25,30],[35,40,45]]) matrix就是一个三行...
2018-10-13 16:38:02
353
原创 基于arm架构上ubuntu系统的TensorFlow(cpu)配置遇到的问题
在深度学习上探索的第一天，就被ubuntu上配置TensorFlow这一难题按在地板上使劲摩擦。笔者使用的是妙算，在妙算搭载的ubuntu下进行开发，本来想的是在妙算上寻找TensorFlow(gpu)无奈无法找到试用于armv7l架构的cuda8.0版本，只好万般无奈安装了CPU版本，但也并非一帆风顺，下面介绍一下今天所遇到的两个问题 笔者使用的是Python2.7.6，TensorFlow下...
2018-08-05 01:47:22
956
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人