luuuyi的博客

最近在研究caffe，前前后后差不多快一周了，论文看得比较少，直接上手来做的，期间遇到无数问题，大大小小的无数问题，不过通过上网，看别人的博客，几乎踩了很多大坑，这里给大家总结一下，希望后续同样做深度学习的小伙伴能够少踩点坑。在这里，我就不做重复功了，具体的配置还有改动的地方我会引用别人的博客，然后补充说明这些博客介绍得并不全面的地方。备注：以下内容会不定期更新，该篇博客主要对安装ca

实验目的继caffe和ssd搭建完成，demo也演示完毕，了解一些基本知识后，现在开始训练自己的数据集，在给自己的训练集处理之前，先跟着官方的示例将Pascal VOC数据集训练走一遍，把可能会踩坑的地方先踩过去，积累点经验。实验环境训练平台：NVIDIA K80预测平台：NVIDIA TX1语言        ：C++，Python框架        ：caffe

实验目的：基于caffe框架使用faster rcnn方法进行人脸检测；实验所使用的数据集为umdfaces ，总共有三个文件，一共8000+个类别，总共36W张人脸图片，全都是经过标注的样本，标注信息保存在csv文件中，除了人脸的box，还有人脸特征点的方位信息，强力推荐！实验平台及准备：训练服务器： NVIDIA Tesla K80预测终端    ： NVIDIA TX

实验目的：不得不说，现在深度学习真的是火，去年年底博主在做人脸识别这个应用的时候，选择的是faster rcnn，还没捂热乎，现在又再看SSD的东西了。SSD和faster rcnn都是目前比较经典的基于caffe深度学习架构的一种方法，是目前比较先进的目标检测方法，还有YOLO，不过在项目组里面博主被安排到了SSD这一边，所以本文就主要说一下安装配置SSD一路上比较坑的地方。目前把faste

实验目的继前一段时间用SSD训练过VOC数据集以后，这一次使用SSD+K80服务器来训练自己的人脸识别应用，选择的数据集还是之前下载的umdfaces，总共36w张人脸图像。实验环境训练平台：NVIDIA K80预测平台：NVIDIA TX1语言        ：C++，Python框架        ：caffe方法        ：SSD数据集    ：