IT人生

mac系统自带python2.7，无论是brew install boost-python还是源码安装boost编译后会生成libboost_python27.dylib，但有些应用需要libboost_python3，下面我们就来编译。进入boost源文件目录boost_1_720，配置仅仅编译python，python路径指向anaconda3中的python3.6。./boot...

.build_release/tools/caffe dyld: Library not loaded: @rpath/libboost_python27.dylib Referenced from: /Users/huamulan/caffe/.build_release/tools/caffe Reason: image not found make: *** [runtest]...

相似度度量（Similarity），即计算个体间的相似程度，相似度度量的值越小，说明个体间相似度越小，相似度的值越大说明个体差异越大。对于多个不同的文本或者短文本对话消息要来计算他们之间的相似度如何，一个好的做法就是将这些文本中词语，映射到向量空间，形成文本中文字和向量数据的映射关系，通过计算几个或者多个不同的向量的差异的大小，来计算文本的相似度。下面介绍一个详细成熟的向量空间余弦相似度方法计...

pip install -i https://pypi.douban.com/simple 【需要安装的模块】或者pip --default-timeout=100 install -U【需要安装的模块】

Liblinear是一个简单的解决大规模线性化分类和回归问题的软件包。它目前支持:-L2正则化逻辑回归/L2损失支持向量分类/L1损失支持向量分类法-L1正则化L2损失支持向量分类/L1正则化逻辑回归-L2正则化L2损失支持向量回归/L1损失支持向量回归。这篇文献介绍了Liblinear的用法。首先，请先阅读“快速入门”部分。对于开发人员，请检查“库的使用”部分学习如何在你的软件中...

前言：完全小白，一步步摸索，限于硬件条件（没有Nvidia显卡），本笔记只搭建CPU模式操作系统：Ubuntu 16.04编程接口：Python 2.7第一部分：安装依赖包12345678910111213apt-get install libprotobuf-dev apt-get install libleveldb-dev apt-get install libsnappy-dev apt-...

数据集背景：MNIST 是一个大型的手写体数字数据库，广泛应用于机器学习领域的训练和测试，由纽约大学Yann LeCun教授整理。MNIST包括60000个训练集和10000测试集，图片固定尺寸为28*28。LeNet模型背景：LeNet是1986提出的，是最简单的CNN（卷积神经网路）模型，也是Caffe自带的第一个小例子用到模型。所以综上，不难看出【在MNIST手写体数据集上用Caffe框架训...

1. 激活函数用来限制神经元输出振幅。由于通过激活函数将输出信号压制（限制）到允许范围之内的一定值，故而激活函数也被称之为压制函数。为什么引入非线性激励函数？如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每一层输出都是上层输入的线性函数，很容易验证，无论你神经网络有多少层，输出都是输入的线性组合，与没有隐藏层效果相当，这种情况就是最原始的感知机（Perceptron）了。...

如何寻求帮助？在 Linux 下遇到问题，最重要的是要自己寻求帮助，下面是三种寻求帮助的方法。manman 是 Linux 的系统手册，即 manual 。因为大多数程序都会自带手册，所以可以通过 man 命令获取帮助。执行以后，在 man page 页面中按 q 退出。获取 ls 的帮助1$ man ls查看有多少（针对不同方面的）同名的手册123$ man -f lsls (1) ...

1、利用模型lenet_iter_10000.caffemodel测试单张手写体数字所需要的文件：（1）待测试图片（自己画的也行，网络上下的也行）；需要注意的是，不管是什么格式，都要转换为28*28大小的黑白灰度图像，具体转化方法请自行百度，不想转化的我这里提供给大家一组我转化好的图片资源供大家下载链接: https://pan.baidu.com/s/1Ck6l7bAncK2BpcqWXG67D...

在执行线性空间滤波时，经常会遇到两个概念相关和卷积二者基本相似，在进行图像匹配是一个非常重要的方法。相关是滤波器模板移过图像并计算计算每个位置乘积之和的处理卷积的机理相似，但滤波器首先要旋转180度相关的计算步骤：（1）移动相关核的中心元素，使它位于输入图像待处理像素的正上方（2）将输入图像的像素值作为权重，乘以相关核（3）将上面各步得到的结果相加做为输出卷积的计算步骤：（1）卷积核绕自己的核心元...

caffe中一个CNN模型由Net表示，Net由多个Layer堆叠而成。caffe的万丈高楼(Net)是由图纸（prototxt），用blob这些砖块筑成一层层（Layer），最后通过SGD方法（Solver）进行简装修（train）、精装修（finetune）实现的。<span style="color:#333333;">#include <vector>#inclu...

经过3天的时间，环境终于搭建好了。因为电脑之间的师兄已经配过环境，师姐也用matlab做的训练，我现在要装这个环境，对电脑中的东西也不是很清除，所以遇到了各种各样的问题，不过今天终于成功。之前2天写的都是在配置环境过程中遇到的问题以及解决办法。 接下来我来顺理以下过程，供自己以后用，也给大家一个参考。（如果大家电脑也之前是别人用的，建议把caffe直接删了，重新搭建，会比较顺...

因为 python3 中取消了 range 函数，而把 xrange 函数重命名为 range，所以现在直接用 range 函数即可。range 函数说明：range([start,] stop[, step])，根据start与stop指定的范围以及step设定的步长，生成一个列表。 >>> range(10)[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]&g...

import sysreload(sys)sys.setdefaultencoding("utf-8")在Python 3.x中不好使了 提示 name ‘reload’ is not defined在3.x中已经被毙掉了被替换为import importlibimportlib.reload(sys)sys.setdefaultencoding(“utf-8”) 这种方式在3.x中被彻...

原本代码是这样的    fo = open(file, 'rb')    dict = pickle.load(fo)修改之后只需要在打开的时候指定编码 fo = open(file, 'rb')   dict = pickle.load(fo,encoding='iso-8859-1')python2的时候是import sys reload(sys) sys.setdefaultenc...

（python3.6.4+caffe+pycharm）一、数据可视化1、mnist数据可视化      1）、训练样本可视化      首先要打开pycharm      新建python文件1.py，代码输入： # -*- coding: utf-8 -*import numpy as npimport structfrom PIL import Imageimport osdat...

一个完整的深度学习系统最核心的两个方面是数据和模型。 　　深度学习模型通常由三部分参数组成：可学习参数（Learnable Parameter）,又称可训练参数、神经网络权系数、权重，其数值由模型初始化参数、误差反向传播过程控制，一般不可人工干预。结构参数（Archetecture Parameter），包括卷积层、全连接层、下采样层数目、卷积核数目、卷积核大小等描述网络结构参数，一旦设定好，网络...

在Ubnutu下如果没有使用root帐号，则每个命令前需要加sudo sudo apt-get install git sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compilersudo apt-get install...

下载meta数据到当前目录：cd data/ilsvrc12/./get_ilsvrc_aux.sh下载caffenet模型：cd ../../models/bvlc_reference_caffenet/wget http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel回到根目录执行：./build/exam...

$ sudo make clean之后运行$ sudo make pycaffe

1，在代码中进行 import caffe 后报错ImportError:No module named _caffe     因为我显卡之前出错了，重现编译了caffe ，后面导致如上问题，解决方法如下：    cd caffe  #进入caffe目录，可能你的是cd caffe-master    sudo make clean #清除原编译    sudo make -j4  # make ...

Step 1在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/includeINCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include /us...

解决方案make clean export CPLUS_INCLUDE_PATH=/home/anaconda3/include/python3.6mmake all -j8原因 python路径都改为了anaconda的路径，但是CPLUS的path没有设置，系统中我也没把anaconda设置成默认的python导致的。...

一、查看系统所安装的python版本打开终端输入指令：python，如图所示，我的系统是ubuntu16.04，我安装的版本是anaconda3的python3.6.4。二、安装python对应版本的pip和依赖包若python版本为2.7，则输入如下命令：sudo apt-get install python-pip python-dev  若python版本为3.x，则输入如下命令：sudo ...

说明在之前的mnist数据集中，由于数据特征太少，十分简单，仅用简单的cnn就能实现99.2%的准确率，这里尝试测试更加复杂的cifar10数据集准备需要cifar10的数据集，可以在代码里实现下载，并指定文件夹需要下载预处理cifar数据集的一些类，用以下代码即可得到git clone https://github.com/tensorflow/models.gitcd models/tuto...

查了很多都说要创建一个对应的新的conda安装环境我这里只是conda update conda 之后就没有问题了

CIFAR-10数据集含有6万个32*32的彩色图像，共分为10种类型，。包含50000张训练图片，10000张测试图片，数据集的数据存在一个10000*3072的numpy数组中，单位是uint8s，3072是存储了一个32*32的彩色图像。（3072=1024*3）。前1024位是r值，中间1024是g值，后面1024是b值。主要作用是小图片分类。第一步：打开caffe根目录cd ~/caff...

原作者写的太好了，包括排版都特别整齐(其中有一个错误之处就是在约会网站配对效果判定的时候，列表顺序不对，导致结果有误，这里我已做出修改）原作者和出处：http://blog.youkuaiyun.com/c406495762 运行平台： Windows Python版本： Python3.x IDE： Sublime text3一 简单k-近邻算法    本文将从k-邻近算法的思想开始讲起，使用python3...

如果用的putty软件可以设置XX.log文件的保存。如果用命令行：则用nohup执行python程序nohup python -u test.py > nohup.out 2>&1 &如果用nohup python test.py > nohup.out 2>&1 &发现nohup.out中显示不出来python程序中print的东西。这是...

服务器安装anaconda和主机上直接安装anaconda没有多大区别Linux安装Anaconda下载安装脚本：https://www.continuum.io/downloads，选择要安装的Python版本和系统架构：# Python 3.6wget https://repo.continuum.io/archive/Anaconda3-5.1.0-Linux-x86_64.sh #64位...

要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有很多种类型，比如Data,Convolution,Pooling等，层之间的数据流动是以Blobs的方式进行。今天我们...

本文讲解视觉层（Vision Layers)的参数，视觉层包括Convolution, Pooling, Local Response Normalization (LRN), im2col等层。1、Convolution层：就是卷积层，是卷积神经网络（CNN）的核心层。层类型：Convolution　　lr_mult: 学习率的系数，最终的学习率是这个数乘以solver.prototxt配置文件...

在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w常用的激活函数有sigmoid, tanh,relu等，下面分别介绍。1、Sigmoid对每个输入数据，利用sigmoid函数执行操作...

本文讲解一些其它的常用层，包括：softmax_loss层，Inner Product层，accuracy层，reshape层和dropout层及其它们的参数配置。1、softmax-losssoftmax-loss层和softmax层计算大致是相同的。softmax是一个分类器，计算的是类别的概率（Likelihood），是Logistic Regression 的一种推广。Logistic R...

深度网络(net)是一个组合模型，它由许多相互连接的层（layers)组合而成。Caffe就是组建深度网络的这样一种工具，它按照一定的策略，一层一层的搭建出自己的模型。它将所有的信息数据定义为blobs，从而进行便利的操作和通讯。Blob是caffe框架中一种标准的数组，一种统一的内存接口，它详细描述了信息是如何存储的，以及如何在层之间通讯的。1、blobBlobs封装了运行时的数据信息，提供了C...

solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件。运行代码一般为caffe train --solver=*_slover.prototxt在Deep Learning中，往往loss function是非凸的，没有解析解，我们需要通过优化方法来求解。solver的主要作用就是交替调用前向（forward)算法和后向（bac...

上文提到，到目前为止，caffe总共提供了六种优化方法：Stochastic Gradient Descent (type: "SGD"),AdaDelta (type: "AdaDelta"),Adaptive Gradient (type: "AdaGrad"),Adam (type: "Adam"),Nesterov’s Accelerated Gradient (type: "Nester...

为了程序的简洁，在caffe中是不带练习数据的，因此需要自己去下载。但在caffe根目录下的data文件夹里，作者已经为我们编写好了下载数据的脚本文件，我们只需要联网，运行这些脚本文件就行了。注意：在caffe中运行所有程序，都必须在根目录下进行，否则会出错1、mnist实例mnist是一个手写数字库，由DL大牛Yan LeCun进行维护。mnist最初用于支票上的手写数字识别, 现在成了DL的入...

caffe的运行提供三种接口：c++接口（命令行）、python接口和matlab接口。本文先对命令行进行解析，后续会依次介绍其它两个接口。caffe的c++主程序（caffe.cpp)放在根目录下的tools文件夹内, 当然还有一些其它的功能文件，如：convert_imageset.cpp, train_net.cpp, test_net.cpp等也放在这个文件夹内。经过编译后，这些文件都被编...