一新新的小白的博客

yunmingzhang17  和caffe官网 都有介绍添加层，但是不是很详细，我就简单实现一下这个加层，新手学习，请多多指教。   This is a post outlining the steps you need to take to create your own layer in CAFFE, a popular framework for writing convolution

近期在用自己的数据训练ssd，前期数据准备工作进展十分顺利，本人是想用coco转化成voc数据集对ssd网络进行训练 但是在进行网络训练的时候会显示这样的错误： Check failed: std::equal(top_shape.begin() + 1, top_shape.begin() + 4, shape.begin() + 1) 通过研究代码会发现这是在图片进行resize时显示...

原文地址：http://blog.youkuaiyun.com/u010911921/article/details/71079367 这段在使用caffe的时候遇到了两个问题都是在训练的过程中loss基本保持常数值，特此记录一下。1.loss等于87.33不变loss等于87.33这个问题是在对Inception-V3...

一、深度学习中常用的调节参数 本节为笔者上课笔记（CDA深度学习实战课程第一期）1、学习率步长的选择：你走的距离长短，越短当然不会错过，但是耗时间。步长的选择比较麻烦。步长越小，越容易得到局部最优化（到了比较大的山谷，就出不去了），而大了会全局最优一般来说，前1000步，很大，0.1；到了...

前言本文主要深入介绍深度学习中的梯度消失和梯度爆炸的问题以及解决方案。本文分为三部分，第一部分主要直观的介绍深度学习中为什么使用梯度更新，第二部分主要介绍深度学习中梯度消失及爆炸的原因，第三部分对提出梯度消失及爆炸的解决方案。有基础的同鞋可以跳着阅读。 其中，梯度消失爆炸的解决方案主要包括以下几个部分。- 预训练...

代码位置 caffe/include/caffe/layers/detection_evaluate_layer.hpp#ifndef CAFFE_DETECTION_EVALUATE_LAYER_HPP_#define CAFFE_DETECTION_EVALUATE_LAYER_HPP_#include...

这是SSD源码解读系列的最后一篇了，DetectionOutputLayer让SSD实现了很好的端到端的检测，传统检测中很多内容都封装在了这一层，比如NMS。SSD源码阅读的时候，我对SSD源码创建了QT工程，这样方便阅读，SSD源码的QT工程我上传到优快云了，该工程用QT可以直接打开的，大家可以直接下载该QT工...

近来，闲来无事，便想着将caffe从从Ubuntu系统下转化到windows系统下玩一玩，期间碰到了一些bug，先记录如下： 1、error C3861: “mkdir”: 找不到标识符 解决办法如下 2、 解决办法如下 3、error C3861: “getpid”: 找不到标识符 解决办法如下： 4、error C3861: “open”，“close”: 找不...

论文中将Batch Normalization的作用说得突破天际，好似一下解决了所有问题，下面就来一一列举一下： 　　(1) 可以使用更高的学习率。如果每层的scale不一致，实际上每层需要的学习率是不一样的，同一层不同维度的scale往往也需要不同大小的学习率，通常需要使用最小的那个学习率才能保证损失函数有效下降，Batch Normalization将每层、每维的scale保持一致，那么我们...

CNN网络优化学习总结——从MobileNet到ShuffleNet摘要最近出了一篇旷视科技的孙剑团队出了一篇关于利用Channel Shuffle实现的卷积网络优化——ShuffleNet。我关注了一下，原理相当简单。它只是为了解决分组卷积时，不同feature maps分组之间的channels信息交互问题...

排行榜pascal VOC:http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.phpcoco:http://mscoco.org/dataset/#detections-leaderboardkitti:http://www.cvlibs.net/d...

SSD算法的优点应该很明显：运行速度可以和YOLO媲美，检测精度可以和Faster RCNN媲美。除此之外，还有一些鸡毛蒜皮的优点，不解释了。这里谈谈缺点：需要人工设置prior box的min_size，max_size和aspect_ratio值。网络中prior box的基础大小和形状不能直接通过学习获得，而是需要手工设置。而网络中每一层feature使用的prior box大小和形状恰...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.youkuaiyun.com/qq_39622065/article/details/81228915 DATA_FORMAT这是一个无可奈何的问题，在如何表示一组彩色图片的问题上，Theano和...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.youkuaiyun.com/chris_pei/article/details/78699924 </div> <div id="content_views...

1.In file included from ./include/caffe/util/device_alternate.hpp:40:0, from ./include/caffe/common.hpp:19, from src/caffe/syn...

我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对这些层具体是怎么实现的了解吗？你对softmax，so...

在caffe的训练过程中，大家难免想图形化自己的训练数据，以便更好的展示结果。如果自己写代码记录训练过程的数据，那就太麻烦了，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_trai

1、按照网上相应的指导文件安装Ubuntu系统所需的各种驱动后，从官网上下载caffe源码。自己用的指导资料为：http://www.cnblogs.com/xuanxufeng/p/6150593.html  上面的网址亲测可用。在Ubuntu16.04和Ubuntu14.04系统下均可使用。但在Ubuntu14.04系统下1 INCLUDE_DIRS := $(PYTHON_INC

资料来自网上，略有删改。1.针对CNN优化的总结：Systematic evaluation of CNN advances on the ImageNet使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。用类似1*1的网络结构预训练RGB数据，能得到更好的效果。使用线性学习率衰退策略。使用平均和最大池化层的和。使用大约 128（0.005） 到

梯度爆炸     梯度变得非常大，最后loss全为nan，每一轮迭代后的loss，其随着迭代次数的增加，最后超出浮点型表示的范围就是nan。原因：      1、基础学习率base_lr可能太大，一般要降低至少一个数量级      2、具...

近期在使用Python接口训练caffe使出现了一下问题 File “/caffe-ssd/scripts/create_annoset.py”, line 7, in from caffe.proto import caffe_pb2 File “detect/caffe-ssd/python/caffe/init.py”, line 1, in from .p...

这篇博客主要介绍SSD算法，该算法是最近一年比较优秀的object detection算法，主要特点在于采用了特征融合。论文：SSD single shot multibox detector 论文链接：https://arxiv.org/abs/1512.02325算法概述：本文提出的SSD算法是一种直...

问题如下： Invalid MEX-file ‘**/caffe.mexa64’ /usr/local/MATLAB/R2014a/bin/glnxa64/../../sys/os/glnxa64/libstdc++.so.6: version GLIBCXX_3.4.20 not found (required b...

该方法出自2016年的一篇ECCV的oral paper，SSD: Single Shot MultiBoxDetector，算是一个革命性的方法了，非常值得学习和研究。 论文解析：SSD的特殊之处主要体现在以下3点：（1）多尺度的特征图检测（Multi-scale），如SSD同时使用了上图所示的8*8的...

从TP、FP、TN、FN到ROC曲线、miss rate、行人检测评估想要在行人检测的evaluation阶段要计算miss rate，就要从True Positive Rate讲起：miss rate = 1 - true positive ratetrue positive rate毕竟是一个rate，是一个比值...

谈谈深度学习中的 Batch_SizeBatch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （ Full Batch Learning ）的形式，这样做...

目录1. A-Softmax的推导2. A-Softmax Loss的性质3. A-Softmax的几何意义4. 源码解读A-Softmax的效果与L-Softmax的区别A-Softmax的总结及与L-Softmax的对比——SphereFace【引言】SphereFace在MegaFace数据集...

    Win7下安装和编译caffe2，所需主要原材料：系统：win7vs版本：vs2015cuda版本：8.0cudnn版本：cudnn6.0caffe版本：caffe2python版本：python2.7下面进入干货阶段（假设vs2015,cuda和cudnn,python均已经安装成功...

编译 pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录其实numpy已经是安装的，anaconda2里面有，python中import numpy也没有问题，但就是在此处报错，解决方法：  sudo apt-get install python-numpy然后&nb...