wxplol的博客

由于要写论文需要画loss曲线，查找网上的loss曲线可视化的方法发现大多数是基于Imagenat的一些方法，在运用到Faster-Rcnn上时没法用，本人不怎么会编写代码，所以想到能否用python直接写一个代码，读取txt然后画出来，参考大神们的博客，然后总和总算一下午时间，搞出来了，大牛们不要见笑。        首先，在训练Faster-Rcnn时会自己生成log文件，大概在/py-f

关于caffe的配置过程博客上有好多在这就不详细说明，当我们学习了一些官方文档后能否自己调用caffe里面的一些功能，那么这篇文章可能会帮助你。在配置已经安装好的caffe之前，如果你想在新建一个工程时继续用已有的配置那么最好创建一个配置文件，方便以后的使用。废话不多说马上开始一、新建配置文件caffe_project首先用vs创建一个新的工程这里不多说大家都会，在创建配置文件之前需要

#include#include#include#include"head.h"using namespace std;using namespace caffe;int main(){ string proto("deploy.prototxt"); Net nn(proto, caffe::TEST); vector bn = nn.blob_names(); for

Layer为caffe的计算单元，部分Layer带有权值和偏置项，有两个运算方向：前向传播和反向传播；在E:\Caffe\caffe-windows\src\caffe\proto中caffe.protomessage LayerParameter {} 记录了每一个新增的LayerParameter参数，如果自定义了一个卷积等相关的层需要再这定义并修改ID(136之后)    首先来看l

caffe数据读取层是layer的派生类，用于读取LMDB、LEVELDB,也可以直接读取图片，下面看看caffe怎么读取数据的，该代码的实现在E:\Caffe\caffe-windows\src\caffe\layers中的base_data_layer.cpp和E:\Caffe\caffe-windows\include\caffe\layers中的base_data_layer.hpp

四、数据转换器主要用于对原始数据预处理的方法，包括：随机切块、随机镜像、幅度缩放、去均值和灰度/色度变换等。数据转换器的类为DataTransformer成员变量 TransformationParameter param_;//变换参数,该参数由ProtoBuffer生成 shared_ptr rng_;//随机数生成器 Phase phase_;//当前的运行阶段

Blob在内存中表示四维数组，从高到底分别表示（width_,heigth_,channels_,num_）,其中width_和heigth_分别表示图像的宽和高，heigth_表示颜色通道，num_表示第几张图片成员变量：shared_ptr data_;//指向data的指针shared_ptr diff_;//指向增量的指针shared_ptr shape_data_;vect

因为项目需要作点的定位所以需要用到euclidean_loss_layer 层，这里特别的看了一下该层的实现源码，位置E:\Caffe\caffe-windows\include\caffe\layers\euclidean_loss_layer.hpp和E:\Caffe\caffe-windows\src\caffe\layers\euclidean_loss_layer.cpp一、损失