<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[wang4959520的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/wang4959520</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; wang4959520]]></copyright><item><title><![CDATA[编译项目打包成so文件]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/73550923</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/73550923</guid><author>wang4959520</author><pubDate>Wed, 21 Jun 2017 17:17:08 +0800</pubDate><description><![CDATA[CMake--C++代码打成.so包

1. 借助CMake打.so包

 把目录utils下的文件打出.so包。



其中CMakeLists.txt内容：


cmake_minimum_required(VERSION 2.8)aux_source_directory(. utils_src)add_library(utils SHARED ${utils_src})]]></description><category></category></item><item><title><![CDATA[chainer安装GPU版过程中的问题]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/52151365</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/52151365</guid><author>wang4959520</author><pubDate>Mon, 08 Aug 2016 15:11:19 +0800</pubDate><description><![CDATA[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.py
import]]></description><category></category></item><item><title><![CDATA[caffe中base_lr、blobs_lr和lr_policy]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51943182</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51943182</guid><author>wang4959520</author><pubDate>Mon, 18 Jul 2016 16:36:47 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item><item><title><![CDATA[谷歌大脑科学家 Caffe缔造者 贾扬清 微信讲座]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51858693</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51858693</guid><author>wang4959520</author><pubDate>Fri, 08 Jul 2016 10:18:48 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[将train_val.prototxt 转换成deploy.prototxt]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51841110</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51841110</guid><author>wang4959520</author><pubDate>Wed, 06 Jul 2016 18:02:21 +0800</pubDate><description><![CDATA[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: 224
force_backward: true




2.移除最后的“loss” 和“accuracy” 层，加入“prob]]></description><category></category></item><item><title><![CDATA[googlenet解析]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51832233</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51832233</guid><author>wang4959520</author><pubDate>Tue, 05 Jul 2016 16:10:08 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[caffe的solverstate的使用]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51831637</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51831637</guid><author>wang4959520</author><pubDate>Tue, 05 Jul 2016 15:11:28 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[任正非：不上市则有可能称霸世界 资本没有温度缺乏耐心]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51819910</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51819910</guid><author>wang4959520</author><pubDate>Mon, 04 Jul 2016 12:00:04 +0800</pubDate><description><![CDATA[对于一个公司管理者，怎样包装自己都不过是伪饰，最终还是要看结果。无可非议，华为的公司制度让人惊叹，而这也是任正非的功劳体现。而追其华为的制度根本，还在于健康的发展与内在凝聚力。

　　核聚变效应：工者有其股

英国前首相丘吉尔在评价 20 世纪 40 年代的美国时，这样说：“美国像是一个巨大的锅炉，只要下面点着火，它就会产生无限的能量。”

　　的确，穿越大西洋抵达美洲的“五月花”号，]]></description><category></category></item><item><title><![CDATA[深度学习caffe的代码如何学习]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51819239</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51819239</guid><author>wang4959520</author><pubDate>Mon, 04 Jul 2016 10:44:13 +0800</pubDate><description><![CDATA[1. 初识Caffe
1.1. 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]]></description><category></category></item><item><title><![CDATA[XGBoost的参数]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51752736</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51752736</guid><author>wang4959520</author><pubDate>Fri, 24 Jun 2016 16:26:48 +0800</pubDate><description><![CDATA[一、在运行XGboost之前，必须设置的三种类型参数。
1.General
 parameters：一般参数。设定boosting过程中使用哪种booster，常用的booster有树模型（tree）和线性模型（linear model）
booster
 [default=gbtree] 有两中模型可以选择gbtree和gblinear。(树模型-线性模型)
silent
 [def]]></description><category></category></item><item><title><![CDATA[python用训练好的model分类]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51544546</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51544546</guid><author>wang4959520</author><pubDate>Tue, 31 May 2016 12:05:27 +0800</pubDate><description><![CDATA[#coding=utf-8
#加载必要的库
import numpy as np
import sys,os
#import caffe
#设置当前目录
caffe_root = '/mnt/caffe/' 
sys.path.insert(0, caffe_root + 'python')
import caffe
os.chdir(caffe_root)

net_file=caffe_roo]]></description><category></category></item><item><title><![CDATA[大数据资源网站]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51536766</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51536766</guid><author>wang4959520</author><pubDate>Mon, 30 May 2016 11:40:21 +0800</pubDate><description><![CDATA[政府&机构数据


美国政府开源数据库：http://www.data.gov/
英国政府开源数据库：http://data.gov.uk/
世界银行数据库：http://www.worldbank.org/
美国气候数据库：http://www.ncdc.noaa.gov/
美国交通部数据库：http://www.rita.dot.gov/bts/data_and_statisti]]></description><category></category></item><item><title><![CDATA[caffe调用已生成的模型]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51499005</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51499005</guid><author>wang4959520</author><pubDate>Wed, 25 May 2016 15:44:38 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[ubuntu15.04+caffe+cuda7.5+cudnnv4+mkl+opencv3]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51444568</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51444568</guid><author>wang4959520</author><pubDate>Wed, 18 May 2016 16:12:48 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[cuda环境下安装opencv出现nvcc warning : The 'compute_11']]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51392804</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51392804</guid><author>wang4959520</author><pubDate>Fri, 13 May 2016 10:38:32 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[Google 的开源技术protobuf]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51382106</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51382106</guid><author>wang4959520</author><pubDate>Thu, 12 May 2016 10:41:11 +0800</pubDate><description><![CDATA[★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]]></description><category></category></item><item><title><![CDATA[Ubuntu15.04 运行caffe+mnist的demo]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51381230</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51381230</guid><author>wang4959520</author><pubDate>Thu, 12 May 2016 09:22:40 +0800</pubDate><description><![CDATA[1.      进入Caffe根目录；
2.      加载MNIST数据库：$ ./data/mnist/get_mnist.sh
3.      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_lmdb
4]]></description><category></category></item><item><title><![CDATA[在python中使用mat格式数据]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51200850</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51200850</guid><author>wang4959520</author><pubDate>Wed, 20 Apr 2016 14:58:12 +0800</pubDate><description><![CDATA[import scipy.io as sio 
import numpy as np  
data='D:/matlab/R2014a/toolbox/DeepLearnToolbox/CNN/xunlian_fen_28.mat' 
data=sio.loadmat(data)
xx=data['test_x']主要是sicpy.io中的loadmat和savemat]]></description><category></category></item><item><title><![CDATA[nginx + gevent + django高并发配置]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51161572</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51161572</guid><author>wang4959520</author><pubDate>Fri, 15 Apr 2016 14:40:59 +0800</pubDate><description><![CDATA[启动脚本
#!/usr/bin/env python
from gevent import monkey; monkey.patch_all()
from gevent import wsgi
from mysite.wsgi import application
HOST = '127.0.0.1'
PORT = 8080
# set spawn=None for memcache
wsgi.]]></description><category></category></item><item><title><![CDATA[theano提示:g++ not detected的解决办法]]></title><link>https://blog.youkuaiyun.com/wang4959520/article/details/51158951</link><guid>https://blog.youkuaiyun.com/wang4959520/article/details/51158951</guid><author>wang4959520</author><pubDate>Fri, 15 Apr 2016 09:37:00 +0800</pubDate><description><![CDATA[import theano
出现：

WARNING (theano.configdefaults): g++ not detected ! Theano will be unable to execute optimized C-implementations (for both CPU and GPU) and will default to Python implementations]]></description><category></category></item></channel></rss>