qq_36620489的博客

1、Cirf10_quick                学习率改变的迭代数  4000（0.001）      5000（0.0001）                网络中没有   归一化层               全连接有两层：layer {  name: "ip1"  type: "InnerProduct"

Python：Caffe均值文件mean.binaryproto转mean.npy当在Spyder当中运行带有mean.binaryproto数据文件的时候，系统会报错，找不到文件（路径有问题），如下：WARNING: Logging before InitGoogleLogging() is written to STDERRF1027 08:41:18.487113 184

参考：http://blog.youkuaiyun.com/u014114990/article/details/51005316Softmax 层和 accuracy 层的配置文件如下：ensemble 层配置函数如下：layer { name: "ensemble type: "Esemble" bottom: "prob1" bottom:

参考 http://blog.youkuaiyun.com/sloanqin/article/details/51545125我想很多人在看faster-rcnn的时候，都会被RPN的网络结构和连接方式纠结，作者在文中说的不是很清晰，这里给出解析；【首先】：大家应该要了解卷积神经网络的连接方式，卷积核的维度，反向传播时是如何灵活的插入一层；这里我推荐一份资料，真是写的非常清晰，

在跑比较大型网络的时候，往往需要大的显存，因此对显卡要求较高。（GPU）memory out ：1：试着改batchsize的大小，可更改所需的显存2：在运行命令行程序时，强行关闭（ctrl+z），并不会清除掉所占的显存，对后面再次运行程序时会报错memory out 。      正确做法是  ：  nvidia-smi 查看GPU实时状况，然后 kill -9 PID （PID

官网也有提供demohttp://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/net_surgery.ipynb本文整理了pycaffe中常用的APIPackages导入123import caffefrom caffe import layers a

1、caffe train --solver=solver.prototxt 2>&1 | tee mylog.log2、caffe_root/tools/extra/parse_log.py mylog.log ./3、python脚本：import pandas as pdimport numpy as npimport matplotlib.pyplot as plttr

caffe中的数据增强，只发现mirror、scale、crop三种1、imgaug      https://github.com/aleju/imgaugimport imgaug as iafrom imgaug import augmenters as iaa2、PCA Jittering"font-size:14px;"># -*

最近一段时间MultiTask网络比较流行，比如做人脸检测的时候，一个网络完成（人脸和非人脸）二分类任务的同时也要进行boudingbox回归或者人脸关键点回归。以人脸检测MTCNN为例，一个网络包含三个任务。训练的时候，一个batch中的图片，一部分用于二分类、一部分用于boundingbox 回归，一部分用于关键点回归。这种较复杂的样本组合完全可以通过slice和concat层来快速实

1.make all -j16  编译时候出现 make: * [.build_release/examples/siamese/convert_mnist_siamese_data.bin] Error 1 /usr/local/lib/libopencv_imgcodecs.so: undefined reference to TIFFReadDirectory@LIBTIFF_4.0

前提条件：ubuntu 16.04 +caffe+anaconda (CPU)1、在终端上输入下面的命令行，依次安装依赖包：命令行：sudo apt-get install libprotobuf-dev sudo apt-get install libleveldb-devsudo apt-get install libsnappy-dev

caffe 添加新的网络层   主要分为四步：（1）在./src/caffe/proto/caffe.proto 中增加对应layer的paramter message；（2）在./include/caffe/***layers.hpp中增加该layer的类的声明，***表示有common_layers.hpp,         data_layers.hpp, neuro

caffe  命令行解析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，文件被编译成了可执行文件，在 ./build/tools/ 文件夹内。执行caffe程序，加 ./build/tools/

参考网址：http://www.cnblogs.com/carle-09/p/5778965.html1、#!/usr/bin/env shDATA=/home/wp/CAFFE/caffe-master/myself/00bMY=/home/wp/CAFFE/caffe-master/myself/00becho "Creating train.txt..."rm -rf $M

如何在Caffe中增加一层新的Layer呢？主要分为四步：（1）在./src/caffe/proto/caffe.proto 中增加对应layer的paramter message；（2）在./include/caffe/***layers.hpp中增加该layer的类的声明，***表示有common_layers.hpp,data_layers.hpp, neuron_layer

理清项目训练、测试流程一、要领介绍    在caffe编译完后，在caffe目录下会生成一个build目录，在build目录下有个tools，这个里面有个可执行文件caffe。只需要学会调用这个可执行文件就可以了，这便是最简单的caffe学习，不需要对caffe底层的东西懂太多，只需要会调参数，就可以构建自己的网络，然后调用这个可执行文件就可以进行训练，当然如果你不仅仅是调参数，而且想要更

一、caffe/python/draw_net.py, 用来绘制网络模型1、Anaconda conda install pydot-ngconda install graphviz2、Pythonsudo apt-get insall graphvizpip install pydot注意顺序，而且关注下pip 的版本和安装位置（系

参考博客：http://blog.youkuaiyun.com/qq_26898461/article/details/50540801http://blog.youkuaiyun.com/gzljss/article/details/45849013

cudnn的安装，路径和版本问题http://blog.youkuaiyun.com/ture_dream/article/details/52677619 caffe安装，编译（包括CUDA和cuDNN的安装）http://blog.youkuaiyun.com/qq_25352981/article/details/53037222

例一：  参考：http://blog.youkuaiyun.com/eagelangel/article/details/52073407Define a model in PythonIt is also possible to define the net model directly in Python, and save it to a prototxt files. Here ar