caffe
关注
分享
扫一扫
文章平均质量分 69
频率52HZ
好记性不如烂笔头！！！
展开
-
Mac boost编译libboost_python3
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...原创 2020-02-29 21:56:42 · 1736 阅读 · 0 评论 -
解决：.build_release/src/caffe/proto/caffe.pb.h:22:35: fatal error: google/protobuf/arena.h: 没有那个文件或目录
安装anaconda后，原本可编译的caffe出现.build_release/src/caffe/proto/caffe.pb.h:22:35: fatal error: google/protobuf/arena.h: 没有那个文件或目录，这样的错误这是由于protobuf的版本不对导致的，caffe能正确使用的是protobuf-2.6.1版本，而安装anaconda后环境变量改变，默认...原创 2018-07-28 13:02:15 · 8654 阅读 · 3 评论 -
import caffe时出错
1.ModuleNotFoundError: no module named google用~/anaconda3/bin/pip install protobuf安装protobuf千万不要用conda install来安装，要用~/anaconda2/bin/pip install protobuf 安装，不然import caffe会出现ImportError: No mo...原创 2018-07-30 10:36:53 · 3150 阅读 · 2 评论 -
安装caffe以及和anaconda3 python3 import时关于protobuf版本不同的问题
首先安装caffe的时候Python的版本可选系统自带的Python2.7或者Python3.5，也可以使用anaconda中的Python版本，对应的Makefile.config中的Python路径对应的改变。安装protobuf的方法也有好几种：sudo apt-get install libprotobuf-dev protobuf-compiler #Linux系统级的安装...原创 2018-07-30 10:30:03 · 3821 阅读 · 0 评论 -
编译caffe时：/usr/local/lib/libopencv_highgui.so：对‘TIFFIsTiled@LIBTIFF_4.0’未定义的引用
使用了sudo命令，问题就神奇的消失了sudo make test -j8原创 2018-07-30 09:32:11 · 1945 阅读 · 3 评论 -
训练caffe模型出现./build/tools/caffe:命令未找到
解决命令：~/caffe$ sudo make all原因：原来是有一次在caffe下使用过命令make clean原创 2018-07-30 09:29:57 · 2865 阅读 · 0 评论 -
error while loading shared libraries: libhdf5_hl.so.100: cannot open shared object file:
编译通过，使用时报错如题解决： 将Anaconda lib的路径添加到环境变量LD_LIBRARY_PATH中export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:{anaconda_dir}/libsource ~/.bashrc ...原创 2018-07-29 21:07:36 · 2726 阅读 · 0 评论 -
centos7 下caffe GPU版的配置和TensorFlow gpu版本的安装
之前写过Ubuntu的安装方法。Centos 和ubuntu 等其他版本不一样，因此再次记录下来：安装时先安装caffe再试TensorFlow否则会出错。I. 检查系统环境在安装之前，需要先检查系统的软硬件环境是否支持CUDA与TF的安装，具体来说，主要有以下几个步骤：检查是否电脑配置有Nvidia显卡$ /usr/sbin/lspci | grep -i nvidia执...原创 2018-07-28 16:01:33 · 1869 阅读 · 0 评论 -
《深度学习——实战caffe》——python接口学习（3）：训练模型（training)
如果不进行可视化，只想得到一个最终的训练model, 那么代码非常简单，如下 :import caffecaffe.set_device(0)caffe.set_mode_gpu()solver = caffe.SGDSolver('/home/xxx/data/solver.prototxt')solver.solve()如果是cpu，则改为mode_cpu()...转载 2018-06-10 21:39:56 · 494 阅读 · 0 评论 -
《深度学习——实战caffe》——python接口学习（2）：生成solver文件
caffe在训练的时候，需要一些参数设置，我们一般将这些参数设置在一个叫solver.prototxt的文件里面，如下：base_lr: 0.001display: 782gamma: 0.1lr_policy: “step”max_iter: 78200momentum: 0.9snapshot: 7820snapshot_prefix: “snapshot”solver_mod...转载 2018-06-10 21:37:08 · 232 阅读 · 0 评论 -
《深度学习——实战caffe》——python接口学习（1）：生成配置文件
首先，我们需要掌握的，就是如何写配置文件，通过下面的代码来学习：# -*- coding: utf-8 -*-"""Spyder Editor"""from caffe import layers as L,params as P,to_protopath='/home/xxx/data/' #保存数据和配置文件的路径train_lmdb=pa...转载 2018-06-10 21:29:40 · 280 阅读 · 0 评论 -
Caffe for Python 官方教程
导言 本教程中，我们将会利用Caffe官方提供的深度模型——CaffeNet（该模型是基于Krizhevsky等人的模型的）来演示图像识别与分类。我们将分别用CPU和GPU来进行演示，并对比其性能。然后深入探讨该模型的一些其它特征。1、准备工作 1.1 首先，安装Python，numpy以及matplotlib。 #安装Python环境、numpy、mat...转载 2018-08-15 18:25:39 · 12262 阅读 · 1 评论 -
caffe ： error while loading shared libraries: libprotobuf.so.15:
1.查找libprotobuf.so.14的路径注意：在根目录下查找。neu105@TitanX:~$ find ./ -depth -name "libprotobuf.so.15" -print./anaconda3/lib/libprotobuf.so.152.加入libprotobuf.so.15的路径到 /usr/lib2.1.直接命令 ln -s 0~./ana...原创 2018-08-16 11:59:51 · 4167 阅读 · 0 评论 -
recipe for target '.build_release/lib/libcaffe.so.1.0.0' failed
LD -o .build_release/lib/libcaffe.so.1.0.0/usr/bin/ld: cannot find -lhdf5_hl/usr/bin/ld: cannot find -lhdf5collect2: error: ld returned 1 exit statusMakefile:572: recipe for target '.build_release...原创 2018-08-16 14:55:56 · 9791 阅读 · 8 评论 -
Mac安装opencv对应版本命令
安装opencv 3.xbrew install opencv==3.xbrew install opencv@2opencv@2这个是装到这里的：/usr/local/Cellar/opencv@2/2.4.13.6_2/lib/python2.7/site-packages如果想在anaconda上用，需要做一个软链接anaconda的site-packages的...原创 2019-09-07 20:21:38 · 2550 阅读 · 0 评论 -
mac 安装 homebrew 配置ruby -e "$(curl --insecure -fsSL https://raw.githubusercontent.com/Homebrew/instal
1. 打开 Mac 中的命令行工具（终端）2.在打开的命令行工具中输入如下语句：ruby -e "$(curl --insecure -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" //注意 ruby -e 之间的空格3.执行上面命令后会提示输入系统密码4.输入...原创 2019-08-27 23:04:51 · 1789 阅读 · 0 评论 -
ImportError: libboost_python36.so.1.67.0: cannot open shared object file: No such file or directory
$ export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH原创 2019-01-01 16:39:21 · 5958 阅读 · 1 评论 -
/usr/bin/ld:/usr/local/cuda/lib64/libcudnn.so: file format not recognized; treating as linker script
/usr/bin/ld:/usr/local/cuda/lib64/libcudnn.so: file format not recognized; treating as linker script /usr/bin/ld:/usr/local/cuda/lib64/libcudnn.so:1: syntax error collect2: error: ld returned 1 exit...原创 2018-12-31 15:03:24 · 6142 阅读 · 1 评论 -
centos yum install没有可用软件包
yum install epel-release;然后再试试yum install 其他安装包原创 2018-12-31 13:54:15 · 15779 阅读 · 3 评论 -
centos配置带GPU的caffe 安装依赖的包yum install找不到包
yum install protobuf-devel leveldb-devel snappy-devel opencv-devel boost-devel hdf5-devel实际上，hdf5-devel这个安装会找不到。但是：yum install gflags-devel glog-devel lmdb-devel这个不成功，找不到。只能手动安装：# glog wget htt...转载 2018-12-31 12:42:25 · 2434 阅读 · 0 评论 -
LD -o .build_release/lib/libcaffe.so.1.0.0 /bin/ld: cannot find -lsatlas /bin/ld: cannot find -ltatl
错误提示LD -o .build_release/lib/libcaffe.so.1.0.0/bin/ld: cannot find -lsatlas/bin/ld: cannot find -ltatlas 此问题对于Ubuntu开始可以通过安装 libatlas-base-dev 包解决，如下：sudo apt install libatlas-base-dev但是...原创 2018-11-30 18:17:11 · 2337 阅读 · 0 评论 -
caffe 训练 vgg
使用VGG训练Imagenet准备数据具体官网地址，请点击这里ImageNet官网训练数据集：ILSVRC2012_img_train.tar验证数据集：ILSVRC2012_img_val.tar数据解压sudo tar –xvf ILSVRC2012_img_train.tar -C ./train sudo tar –xvf ILSVRC2012_img_val....原创 2018-08-21 16:53:10 · 2177 阅读 · 0 评论 -
配置了libboost_system.so.1.67.0 但还是显示找不到
sudo vi /etc/ld.so.conf#添加向ld.so.conf文件中添加libboost_system.so.1.67.0所在的目录路径# sudo ldconfig原创 2018-08-22 21:19:50 · 7663 阅读 · 0 评论 -
Caffe HDF5 header version与HDF5 library不匹配
在安装caffe的过程进行到sudo make runtest时，提示HDF5 header version与HDF5 library不匹配。 原因主要是系统存在多个版本的hdf，通过locate hdf5，可以看到大概在什么位置和主要由什么软件引起的。我的问题主要是anaconda和系统自带的发生了冲突。通过conda install hdf5=1.8.16即可解决该问题或者pip...原创 2018-08-16 16:18:14 · 587 阅读 · 0 评论 -
《深度学习——实战caffe》——如何将别人训练好的model用到自己的数据上
因设备原因只能先转载http://www.cnblogs.com/denny402/p/5137534.html。留存。好记性不如烂笔头caffe团队用imagenet图片进行训练，迭代30多万次，训练出来一个model。这个model将图片分为1000类，应该是目前为止最好的图片分类model了。假设我现在有一些自己的图片想进行分类，但样本量太小，可能只有几百张，而一般深度学习都要求样本量在1万...转载 2018-06-10 21:23:10 · 2164 阅读 · 0 评论 -
《深度学习——实战caffe》——caffe图形化操作工具digits的安装与运行
因为我的电脑没有显卡，所以先转载作者的文章，留作以后参考使用：nvidia digits是一款web应用工具，在网页上对caffe进行图形化操作和可视化，用于caffe初学者来说，帮助非常大。不过有点遗憾的是，据nvidia官方文档称，digits最佳支持系统是ubuntu 14.04，其它的系统效果如何，就不得而知了。一、安装digits 3.0digits是运行在cuda和caffe基础上的，...转载 2018-06-10 21:09:00 · 370 阅读 · 0 评论 -
《深度学习——实战caffe》——用训练好的caffemodel来进行分类
caffe程序自带有一张小猫图片，存放路径为caffe根目录下的 examples/images/cat.jpg, 如果我们想用一个训练好的caffemodel来对这张图片进行分类，那该怎么办呢？ 如果不用这张小猫图片，换一张别的图片，又该怎么办呢？如果学会了小猫图片的分类，那么换成其它图片，程序实际上是一样的。开发caffe的贾大牛团队，利用imagenet图片和caffenet模型训练好了一个...转载 2018-06-10 20:51:08 · 248 阅读 · 0 评论 -
《深度学习——实战caffe》——训练和测试自己的图片
学习caffe的目的，不是简单的做几个练习，最终还是要用到自己的实际项目或科研中。因此，本文介绍一下，从自己的原始图片到lmdb数据，再到训练和测试模型的整个流程。一、准备数据有条件的同学，可以去imagenet的官网http://www.image-net.org/download-images，下载imagenet图片来训练。但是我没有下载，一个原因是注册账号的时候，验证码始终出不来（听说是g...转载 2018-06-04 19:50:59 · 459 阅读 · 0 评论 -
《深度学习——实战caffe》——图像数据转换成db（leveldb/lmdb)文件
在深度学习的实际应用中，我们经常用到的原始数据是图片文件，如jpg,jpeg,png,tif等格式的，而且有可能图片的大小还不一致。而在caffe中经常使用的数据类型是lmdb或leveldb，因此就产生了这样的一个问题：如何从原始图片文件转换成caffe中能够运行的db（leveldb/lmdb)文件？在caffe中，作者为我们提供了这样一个文件：convert_imageset.cpp，存放在...转载 2018-06-04 15:31:23 · 223 阅读 · 0 评论 -
《深度学习——实战caffe》——命令行解析
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...转载 2018-06-04 11:09:28 · 173 阅读 · 0 评论 -
《深度学习——实战caffe》——运行caffe自带的两个简单例子
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...转载 2018-06-04 09:58:37 · 192 阅读 · 0 评论 -
《深度学习——实战caffe》——solver优化方法
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...原创 2018-06-04 09:37:00 · 294 阅读 · 0 评论 -
《深度学习——实战caffe》——solver及其配置
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...原创 2018-06-03 21:30:32 · 311 阅读 · 0 评论 -
《深度学习——实战caffe》——Blob,Layer and Net以及对应配置文件的编写
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...原创 2018-06-03 21:14:25 · 316 阅读 · 0 评论 -
《深度学习——实战caffe》——其它常用层及参数
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...原创 2018-06-03 21:08:57 · 284 阅读 · 0 评论 -
《深度学习——实战caffe》——激活层（Activiation Layers)及参数
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...原创 2018-06-03 20:56:26 · 301 阅读 · 0 评论 -
《深度学习——实战caffe》——视觉层（Vision Layers)及参数
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...原创 2018-06-03 20:51:25 · 210 阅读 · 0 评论 -
caffe学习中的一些低级错误
刚开始学习caffe，准备用博客记录下学习过程，避免再犯同样的错误，也给小伙伴们提个醒哈哈～我是根据徐老师的博客来学习的http://www.cnblogs.com/denny402/tag/caffe/今天学到了第12课，训练自己的图片。遇到了很多小问题，现在总算是弄好了1.一定要在caffe根目录下来运行所有命令，不然系统会一直提示找不到文件2.原文：但是我们自己要改动文件原始路径：/caff...转载 2018-06-04 20:38:39 · 136 阅读 · 0 评论 -
《深度学习——实战caffe》——数据可视化环境（python接口)配置
这个之前写过了，之前的学习不系统这次跟着徐老师的步骤系统地过一遍：之前博文地址：https://blog.youkuaiyun.com/qq_33144323/article/details/80042319原创 2018-06-04 20:44:04 · 267 阅读 · 0 评论 -
《深度学习——实战caffe》——python接口学习（4）：mnist实例---手写数字识别
一、数据准备官网提供的mnist数据并不是图片，但我们以后做的实际项目可能是图片。因此有些人并不知道该怎么办。在此我将mnist数据进行了转化，变成了一张张的图片，我们练习就从图片开始。mnist图片数据我放在了百度云盘。mnist图片数据下载：http://pan.baidu.com/s/1pLMV4Kz数据分成了训练集（60000张共10类）和测试集（共10000张10类），每个类别放在一个单...转载 2018-06-12 20:12:34 · 295 阅读 · 0 评论