Running_J的博客

深度学习笔记——基于CAFFE框架训练自己的数据集本文主要讲解如何使用caffe在已有的模型上训练自己的数据集，这篇文章主要是用来记录自己学习过程中的一些心得体会留给以后自己复习之用，由于本人接触深度学习和caffe框架才半月时间，所以其中有什么说错的或者不到位的地方，希望批评指正（本文假设已经成功安装caffe和已经配置好了所有的相关库，如果没有安装好，请自行参考caffe官网的指导）： 准备数据

记录下最近看的比较好的网站： 网址如下：http://cs231n.github.io/classification/

今天用caffe的python接口写了一个多标签训练的例子，但是在跑的时候提示floatting exception。结果自己花了很长的时间去调试这个问题，最后发现问题居然是在solverparameter中设置了训练方式为step但是stepsize居然没有设置，这样这个值就是0。那在计算lr的时候就会报错。

网址总结deeplearning python paper google caffe image processing linux1.deeplearning https://github.com/willard-yuan/hashing-baseline-for-image-retrieval http://vision.stanford.ed

非极大值抑制在物体检测方面的应用结合faster-rcnn给出的py_cpu_nms.py的源码来介绍一下nms算法在物体检测方面的应用。faster-rcnn中经过rpn层之后会得到一些boundingbox和boundingbox对应的属于某一类的分数（置信度）。所以可以根据NMS来去除那些overlap值比较大的box。import numpy as npdef py_cpu_nms(dets

在训练过程中画出accuracy 和loss曲线能够更直观的观察网络训练的状态，以便更好的优化网络的训练。本文主要介绍在基于caffe框架训练网络时，如何利用caffe自带的一些实用的工具包来绘制曲线。step1:保存日志文件 在训练过程中把终端输出的结果保存为一个日志文件，注意文件的后缀名必须是.log,这是因为后面再解析日志文件时有这个要求。如何把终端保存到日志文件，例子如下：$TOOLS/c

转载地址 http://www.cnblogs.com/louyihang-loves-baiyan/谢谢大神的分享，下面是自己的一些改进和遇到的一些问题总结： 未完待续：