wang4959520的专栏

★protobuf是啥玩意儿？　　为了照顾从没听说过的同学，照例先来扫盲一把。　　首先，protobuf是一个开源项目（官方站点在“这里”），而且是后台很硬的开源项目。网上现有的大部分（至少80%）开源项目，要么是某人单干、要么是几个闲杂人等合伙搞。而protobuf则不然，它是鼎鼎大名的Google公司开发出来，并且在Google内部久经考验的一个东东。由此可见，它的作者绝非一般闲杂人等

大家好！我是贾扬清，目前在Google Brain，今天有幸受雷鸣师兄邀请来和大家聊聊Caffe。没有太多准备，所以讲的不好的地方还请大家谅解。我用的ppt基本上和我们在CVPR上要做的tutorial是类似的，所以大家如果需要更多的内容的话，可以去tutorial.caffe.berkeleyvision.org，也欢迎来参加我们的tutorial：）网页上应该还有一些Pytho

caffe调整学习率的.base_lr是适用于所有层的学习率，而针对单个层，可以通过增加两个blobs_lr,用来调整该层的学习率.一个调整weight的学习率，一个是调整偏执b的学习率。那么该层的学习率就变成了，base_lr*blobs_lr,base_lr*blobs_lr了。

1.删除输入数据（如：type:data...inckude{phase: TRAIN}），然后添加一个数据维度描述。input: "data" input_dim: 1 input_dim: 3 input_dim: 224 input_dim: 224force_backward: true2.移除最后的“loss” 和“accuracy” 层，加入“prob

原始数据是224*224*3第一层卷积层 conv1 ，pad是3，7*7 ，64个特征，步长2，输出为 112*112*64。然后进行relu，经过pool1 进行pooling 3*3的核，步长为2， [（112 - 3+1）/2]+1 = 56  特征为56*56*64 ， 再规范。第二层卷积层 conv2， pad是1，3*3，192个特征，输出为56*56*192，然后进

我们在使用caffe训练过程中会生成.caffemodel和.solverstate文件，一个是模型文件，一个是中间状态文件（生成多少个取决于你自己设定的snapshot）。当训练过程中断，你想继续运行数据学习，此时只需要调用.solverstate文件即可。使用方式代码，我使用的是.sh直接运行，配置和官方给的文件train_caffenet.sh差不多，稍微添加点内容就可以了。./bu

1. 初识Caffe1.1. Caffe相对与其他DL框架的优点和缺点：优点：速度快。Google Protocol Buffer数据标准为Caffe提升了效率。学术论文采用此模型较多。不确定是不是最多，但接触到的不少论文都与Caffe有关（R-CNN，DSN，最近还有人用Caffe实现LSTM）缺点：曾更新过重要函数接口。有人反映，偶尔会出现接口变换的情况，自己很久前

一、Linux的安装～ubuntu15.04（自带python2.7.11）apt-get update apt-get install git vim cmake automake二、cuda7.5获取CUDA安装包,安装包NVidia官网下载。（https://developer.nvidia.com/cuda-downloads）dpkg -i cuda-repo-ub

#coding=utf-8#加载必要的库import numpy as npimport sys,os#import caffe#设置当前目录caffe_root = '/mnt/caffe/' sys.path.insert(0, caffe_root + 'python')import caffeos.chdir(caffe_root)net_file=caffe_roo

警告打印：nvcc warning : The 'compute_11', 'compute_12', 'compute_13', 'sm_11', 'sm_12', and 'sm_13' architectures are deprecated, and may be removed in a future release.找到cmake后产生的OpencvConfig.cmake文件

如上图 ，就是build/tools/caffe.bin文件，上图就有它的指令介绍。在MNIST调用已经训练好的模型，测试。这个测试，假定可能是新加入的测试集，还是按照原来的需求转换，存放数据到指定的位置。./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights

1.      进入Caffe根目录；2.      加载MNIST数据库：$ ./data/mnist/get_mnist.sh3.      转换成Lmdb数据库格式：$ ./examples/mnist/create_mnist.sh 执行完此shell脚本后，会在./examples/mnist下增加两个新目录，mnist_test_lmdb和mnist_train_lmdb4

1.UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd5 in position 34: ordinal not in range(128)python的str默认是ascii编码，和unicode编码冲突.于是在/usr/lib/python2.7/dist-packages/pip/basecommand.pyimport