
caffe
jiachen0212
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
caffe 编译出现protobuf的坑.....
prptpbuf的坑差不多填了我一天半的时间吧....简直了。。 报错如下: 在函数‘caffe::UpgradeV0LayerParameter(caffe::V1LayerParameter const&, caffe::V1LayerParameter*)’中: upgrade_proto.cpp:(.text+0xac2):对‘google::protobuf::intern...原创 2018-03-16 11:15:02 · 17715 阅读 · 1 评论 -
caffe 跑deeplab_v2
传送门:传送门 排坑:传送门 传送门 matio安装参考:传送门 排坑记录: 因为没有权限的原因(比较严格,敏感的情况,如公司服务器啥的...),在安装matio的时候遇到生成不了libmatio.so.2的问题(就是make install 时候就报出不是sudoer的bug...),导致后续要导入这个库链接就出问题。 因为在 matio/src 及一些子目录下的Makefile文件...原创 2018-09-13 13:33:43 · 1304 阅读 · 9 评论 -
deeplab evaluate.py
#coding=utf-8 # import scipy.io import numpy as np # from skimage.io import imread from PIL import Image # data = scipy.io.loadmat('1.mat') # label = data['data'] # res=np.argmax(label,axis=2).astyp...原创 2018-09-13 15:59:04 · 470 阅读 · 2 评论 -
ssd
https://blog.youkuaiyun.com/huangbo10/article/details/62048168转载 2018-09-25 15:25:36 · 229 阅读 · 0 评论 -
caffe-backward之梯度计算
传送门: 传送门 backward是利用代价函数求取关于网络中每个参数梯度的过程,为后面更新网络参数做准备。求取梯度的过程也是一个矩阵运算的过程,后面会有详细介绍,本身求取梯度的过程并不是很复杂,而且网络中的各层求取梯度的过程都是相似的。下面就按照backward的运行顺序,从最后一层向前介绍caffe的backward的过程。 softmax with loss layer: 按理说每一层...转载 2018-08-09 09:54:28 · 1626 阅读 · 0 评论 -
caffe源码解读整理
传送门: 传送门1 传送门2 传送门3 传送门4 传送门5 传送门6 传送门7 blob解析:传送门 比较全的: 传送门 caffe权重更新: 传送门 caffe中的正则: 传送门 修改caffe.proto文件:传送门 传送门 param:传送门 backward: 传送门 caffe's cuda: 传送门 caffe 中deploy.prototxt 和tr...原创 2018-08-06 16:59:15 · 851 阅读 · 0 评论 -
caffe源码实践
REGISTER_LAYER_CLASS(DeforConvolution); // 实现将指定Layer注册到全局注册表中 base_conv_layer.cpp 中,LayerSetUp函数内进行各种 变量、数据的声明。必要的话也在这初始化。(初始化在这里是自由的,可在这也可到等到用它的地方初始化..) caffe_set可是结合使用,src/caffe/util/m...原创 2018-08-20 18:18:33 · 253 阅读 · 0 评论