chris_pei的博客

转载http://blog.youkuaiyun.com/zhangjunbob/article/details/52769381

命令 cd caffe tree -d.├── build -> .build_release ├── cmake │ ├── External│ ├── Modules│ └── Templates├── data //存放原始数据以及数据获取脚本(训练数据)│ ├── cifar10 │ ├──

问题描述：caffe环境编译成功，运行具体项目时，出现错误ImportError: cannot import name cbook。后来进入python环境发现，运行import caffe 和 import matplotlib 出现Import： No module named functools_lru_cache 找了好久才找到的解决方法，亲测有效：卸载之前的matplotlib

本文介绍如何使用SSD训练自己的数据集，内容包括数据集的转化，使用SSD进行训练1、VOC数据集的介绍VOC的数据格式：(1)annotation中保存的是xml格式的label信息(2)ImageSet目录中Main目录存放的是用于表示训练的图片集合- train.txt 是用来训练的图片文件的文件名列表 - val.txt是用来验证的图片文件的文件名列表

import dicomimport jsonimport osdef loadFileInformation(filename): information = {} ds = dicom.read_file(filename) information['w'] = ds.Rows information['h'] = ds.Columns info

最近使用caffe训练时，不知道loss的变化趋势，于是就想到了能否将自己的训练数据图形化。后来经过查阅资料，发现caffe自带这样的工具：caffe-master/tools/extra/parse_log.sh caffe-master/tools/extra/extract_seconds.pycaffe-master/tools/extra/plot_training_log.py.exa...

安装教程亲测有效 1、安装驱动 (1)查询NVIDIA驱动型号： http://www.nvidia.com/Download/index.aspx?lang=en-us (2)点击下载 切记：一定要把它保存到home目录下 2、安装显卡： 在终端下输入：sudo gedit /etc/modprobe.d/blacklist.conf输入密码后在最后一行加上 b...

Ubuntu： 1、安装软件 sudo apt-get update sudo apt-get install xfce4 sudo apt-get install xrdp vnc4server 安装好后要自行新建配置文件，然后重启xrdp服务：echo "xfce4-session" >~/.xsessionsudo service xrdp...

前两天又在服务器上装了一遍caffe系统，遇到的错误。。。。真的想喷几口老血 决定将之后遇到的caffe训练过程中的错误记录下来，防止一遍一遍又一遍的百度，1、 Check failed: top_shape[j] == bottom[i]->shape(j) (1 vs. 2) All inputs must have the same shape, except at concat_axis.

转载教程http://blog.youkuaiyun.com/sb19931201/article/details/53648615 亲测可行

大部分是Api版本问题：1、AttributeError: ‘module’ object has no attribute ‘SummaryWriter’ tf.train.SummaryWriter改为：tf.summary.FileWriter2、AttributeError: ‘module’ object has no attribute ‘summaries’ tf.merge_a

TensorFlow的基本知识graph：图，表示具体的计算任务 session：会话，图需要在会话中执行，一个会话可以包含很多图 tensor：张量，在此表示数据 variable：就是本意变量，图的重要组成部分 operation：简称op，是图中计算的节点，输入tensor计算后产生tensor feed、fetch：意思是给图添加数据和获取图中的数据，因为训练过程中有些数据需要动态

本文主要介绍使用TensorFlow框架创建一个简单的神经网络并进行训练import tensorflow as tfimport numpy as np 增加层，参数如下： param input: 神经网络层的输入 param in_zize: 输入数据的大小 param out_size:

本文转载来自http://blog.youkuaiyun.com/willduan1/article/details/53070777在我们机器学习或者训练深度神经网络的时候经常会出现欠拟合和过拟合这两个问题，但是，一开始我们的模型往往是欠拟合的，也正是因为如此才有了优化的空间，我们需要不断的调整算法来使得模型的表达能拿更强。但是优化到了一定程度就需要解决过拟合的问题了，这个问题也在学术界讨论的比较多。（之前搜

使用卷积神经网络来优化MNIST，下面从四部分开始叙述 1、下载并加载数据from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets(‘MNIST_data’, one_hot=True) import tensorflow as tf 这里，我们使用更加方便

前言：初学TensorFlow和机器学习，MNIST算法的每条语句都不是很清楚，通过查阅资料，将每句代码的基本用法差不多理解了。希望能够帮助正在学习的你 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets(“MNIST_data/”,one_hot=True)

转载来自http://blog.youkuaiyun.com/dulingtingzi/article/details/51374487#comments 机器学习 数据预处理之独热编码（One-Hot Encoding） 问题由来在很多机器学习任务中，特征并不总是连续值，而有可能是分类值。例如，考虑一下的三个特征：[“male”, “female”][“from Europe”, “from US”, “

转载链接： http://blog.youkuaiyun.com/u010193446/article/details/53259294

最近在电脑的上配置运行了SSD算法，记录下流程1、从https://github.com/balancap/SSD-Tensorflow 上下载源码并解压2、下载ssd_300_vgg.ckpt.zip,解压放在SSD-Tensorflow-master/checkpoints文件夹中 这里需要注意的是，可能会出现路径不对的错误，建议使用绝对路径，如果绝对路径还是不行的话，将模型和运行文件放在同一

大致过程按照GitHub教程翻译而来，亲测可行 1、在home目录下，获取SSD的代码，下载完成有一个caffe的文件夹 git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd2、进入下载好的caffe目录，复制配置文件。如果你安装caffe目录下的配置文件已经配好，可以将其复制过来cd /home

命令依次如下： 安装sudo apt-get install openssh-server启动sudo service ssh start配置开机启动sudo sysv-rc-conf将SSH这一行的2，3，4，5四项都选上 重启服务sudo service ssh restart

错误：之前的caffe环境是可以用的，但是使用Anaconda安装pytorch之后显示no module named google.protobuf.internal原因：是因为Anaconda重新管理了python，导致路径搜索出现了错误，输入命令          which python     显示结果如 ，/home/XXX/anaconda2/bin/python ，...