xddwz的博客

Concat layer 在Deep Neural Network中，最主要的两种提高模型性能的优化方向就是使模型wider or deeper。 在使模型变宽时，常需要把多个分支合并起来作为后续层的输入。它就是今天要介绍的concat layer。 按照惯例，我们先来看下concat layer的参数。 message ConcatParameter { // The axis a

将图片数据转化为LMDB数据 第一步：创建图片文件列表清单，一般为一个txt文件，一行一张图片 第二步：使用Caffe工具命令 convert_imageset [FLAGS] [ROOTFOLDER/] [LISTFILE] [DB_NAME] 需要带四个参数： FLAGS: 图片参数组 -gray: 是否以灰度图的方式打开图片。程序调用opencv库中的imread()函数来

1、 均值文件 将所有训练样本的均值保存为文件 图片减去均值后，再进行训练和测试，会提高速度和精度 运行方法：（使用Caffe工具） compute_image_mean [train_lmdb] [mean.binaryproto] 2、 改写deploy文件 a. 把数据层（Data Layer）和连接数据层的Layers去掉(即top:data的层) b. 去掉输出层和连

本文部分转载 要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。 层有很多种类型，比如Data,Convolution,Pooling等，层之间的数据流动是以Blobs的方

1准备pycaffe环境 已经执行过的caffe安装命令：cmake -D CPU_ONLY=on -D CMAKE_INSTALL_PREFIX=/usr/local ..make allmake install2首先执行完下面命令，进入CAFFEROOT/python才可以执行其中的python脚本(进入/caffe/python目录执行)sudoapt−getupdatesudoapt−ge

1、我自己用的是ubuntu14.04，opencv3.1，当报错为：CXX/LD -o .build_release/tools/convert_imageset.bin .build_release/lib/libcaffe.so: undefined reference to cv::imread(cv::String const&, int)’ .build_release/lib/li

最好是安装CUDA8.0，因为CUDA9.0会报错。CUDA8.0的可以到官网下载：https://developer.nvidia.com/cuda-80-ga2-download-archive，也可以到我的百度网盘，链接：https://pan.baidu.com/s/16BubVSsLWDrFIawMXgm9WQ 提取码：ida7 下载完成后可以得到一个exe文件，直接双击该exe文件...

目前caffe-windows对python3只支持python35，其他版本没有尝试，建议使用anaconda+python35安装。另外需安装vs2015，安装方法百度。需先安装CUDA和CuDNN，CUDA的安装方法可以参考我的贴子:https://mp.youkuaiyun.com/postedit/86525181 安装好python35之后，检查电脑是否安装有cmake，cmake的版本要高于3...