zhanghenan123的博客

NMS部分主要用在DetectionOutput层中，用于对预测得到的分数和boxes处理在此层的Forward中调用，如下：ApplyNMSFast(bboxes, scores, confidence_threshold_, nms_threshold_, eta_,top_k_, &(indices[c]));此ApplyNMSFast方法是在caffe/util/...

用训练好的caffe model做inference的时候在caffe里面读取图片，若直接用image = cv2.imread(imagefile)对此image进行inference则效果很差若直接用image = caffe.io.load_image(imagefile)对此image进行inference则效果很好二则的区别1、二则读取出来的值的结果范围不一致 ...

转载https://blog.youkuaiyun.com/sinat_14916279/article/details/56489601?locationNum=10&fps=1

caffe im2col详解本文讲解的是caffe中卷积过程，众所周知caffe中卷积采用的是im2col和sgemm的方式。网上已经有很多的im2col的讲解。原本不打算写这篇文章（在此不得不吐槽下，网上有不少的讲解caffe im2col的过程的文章多是错的。一些文章和caffe的具体实现对不上，真不知道他们到底有没有看caffe代码的具体实现，正是因为那些文章，浪费了不少时间。）本文...

1、成员变量 Blob<Dtype> mean_,variance_,temp_,x_norm; //temp_保存(x-mean_x)^2 bool use_global_stats_;//标注训练与测试阶段 Dtype moving_average_fraction_; int channels_; Dtype eps_; // 防止分母为0 // 中...

在激活层中，对输入数据进行激活操作（实际上就是一种函数变换），是逐元素进行运算的。从bottom得到一个blob数据输入，运算后，从top输入一个blob数据。在运算过程中，没有改变数据的大小，即输入和输出的数据大小是相等的。输入：n*c*h*w输出：n*c*h*w常用的激活函数有sigmoid, tanh,relu等，下面分别介绍。1、Sigmoid对每个输入数据，利用sig...

Original url:http://www.voidcn.com/blog/iamzhangzhuping/article/p-4981696.htmlBlob作为Caffe的四大模块之一，负责完成CPU/GPU存储申请、同步和数据持久化映射。Caffe内部数据存储和通讯都是通过Blob来完成，Blob提供统一的存储操作接口，可用来保存训练数据、模型参数等。Blob是一个高维连续数组，...

1、查看cuda版本cat /usr/local/cuda/version.txt2、查看cudnn版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

1、Check failed: target_blobs.size() == source_layer.blobs_size() (2 vs. 1) Incompatible number of blobs for layer conv0测试的时候出现此问题2、cudaSuccess(2 vs. 0) out of memory,如下图这种问题为显存不足导致的，出现这种问题有以下几...

1、cblas_sscal（）对于向量中的每一个元素乘以一个常数func cblas_sscal(_ __N: Int32, _ __alpha: Float, _ __X: UnsafeMutablePointer<Float>!, _ __incX: Int32)N:表示需...

1、./include/caffe/util/hdf5.hpp:6:18: fatal error: hdf5.h: No such file or directory在Makefile.config文件的第85行，添加/usr/include/hdf5/serial/ 到 INCLUDE_DIRS，也就是把下面第一行代码改为第二行代码。INCLUDE_DIRS := $(PYTHON_INCLU...

Reshape layerlayer { name: "reshape" //名称:reshape type: "Reshape" //类型:Reshape bottom: "data" //输入层名称:data top: "datax" //输出层名称:datax resh...

solver算是caffe的核心的核心，它协调着整个模型的运作。caffe程序运行必带的一个参数就是solver配置文件在Deep Learning中，往往loss function是非凸的，没有解析解，我们需要通过优化方法求解。solver的主要作用就是交替调用前向（forword）算法和后向（backward）算法来更新参数，从而最小化loss，实际上就是一种迭代的优化算法。Solver的流程...

（转载：https://blog.youkuaiyun.com/m0_37615398/article/details/85256543）在目标检测中，我们常用AP和mAP来评价模型的好坏，但是在很多论文中出现了AP50，AP60等指标，这是什么呢？AP是指average precision，平均精确率，即多类预测的时候每一类的precision取平均，类似地还有AR，平均召回率。以Cascade...