yiweibian的博客

Mxnet自带有faster-rcnn的例子，但是如果要用自己的数据进行训练可能需要作一些更改，一个是类别的数目，一个数据的标签。其实它的修改方式和py-faster-rcnn差不多。**1.环境的安装可以参考**:Mxnet—faster-rcnn环境安装**2.制作数据集** 制作数据集可以参考：py-faster-rcnn制作自己的数据集做目标检测。 作成VOC格

ubuntu 16.04GTX1080Mxnet 最新pytho 2.71. 安装Mxnet Mxnet 按照参考官网，选择源码GPU安装。2. 安装warp-ctc 安装warp-ctc$ git clone https://github.com/baidu-research/warp-ctc.git$ cd warp-ctc$ mkdir buil...

整个ssd的安装和训练可以按照官方的例子。需要注意的是需要编译ssd相关的代码，可以通过两种方式进行：直接把ssd目录下的operator中的文件复制到src/operator，然后再编译 设置config.mk，把EXTRA_OPERATORS改成EXTRA_OPERATORS = example/ssd/operator，然后再进行编译。接着便是运行demo,看能否正确运行，运行前需要下载

官方版本已经有faster-rcnn的实现，所以这里从官方下载mxnet并安装编译。安装环境：Ubuntu14.04GPU gtx10801.mxnet的安装 这里还是从两种情况分析，一种是之前已经安装好了mxnet，但是没有安装编译faster-rcnn，第二种是没有安装过任何mxnet。 对于第一种情况需要做的是，首先是要知道有关rcnn的文件在文件夹mxnet/e

训练模型可以利用自定义的模型进行也可以采用fine-tune的方法。这里先介绍如何自定义模型进行训练。系统： ubuntu14.04 Mxnet: 0.9041.数据准备mxnet数据集的生成可以参考上一篇文章这里从代码来分析：#数据路径train_iter = "/mxnet/tools/train-cat.rec"val_iter = "/mxnet/tools/train-cat_t

使用fine-tun的方式训练模型的话首先需要下载相应的模型，然后按照自己的数据集修改相应的类别，最后训练。系统： ubuntu14.04 Mxnet: 0.9041.数据准备train_iter = "/mxnet/tools/train-cat.rec"val_iter = "/mxnet/tools/train-cat_test.rec"batch_size=10num_epoch =

利用训练好的模型测试只需要把模型和数据准备好。系统： ubuntu14.04 Mxnet: 0.9041.模型和数据准备2.模型加载测试import mxnet as mxsym,arg_params,aux_params = mx.model.load_checkpoint('vggnew',40)mod = mx.mod.Module(symbol=sym,context=mx.gpu()

Mxnet做图片分类训练的时候提供了多种输入，这里介绍.rec数据的制作。mxnet版本：9.041.收集图片这里收集了两类图片，猫和狗的图片。 第一类 第二类所有的图片放到两个文件夹中 2.生成mxnet训练需要的数据格式如果mxnet自带的im2rec.py有问题，这里用的是另外的文件，文件名叫im2rec2.py，代码在最后面。#生成.lst文件python im2rec2.py

fcn为全卷积网络，对于算法的介绍可以找到很多资料，本篇在mxnet框架下用自己的数据，或者说制作自己的数据来进行模型的训练和测试。假设已经安装好有关的Mxnet 的环境，其中在Mxnet安装包下的`example/fcn-xs`下找到相关的文件。这里也假设你已经跑过fcn-xs下的`image_segmentaion.py`。在用fcn进行训练的时候比较以后的是训练的数据是什么，有什么格式要求。

TVM 就不多介绍了，本文涉及TVM的安装和SSD 模型的测试。TVM 安装$ git clone --recursive https://github.com/dmlc/tvm$ sudo apt-get update$ sudo apt-get install -y python python-dev python-setuptools gcc libtinfo-dev z...