zxmyoung的博客

参考：https://blog.youkuaiyun.com/alphonse2017/article/details/91809800前提：已经安装好caffe和pycaffe安装依赖项sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil pyt.

前提：配置caffe环境1. export PYTHONPATH=/home/zhai/experiment/Mycaffe/python:$PYTHONPATH2. cd Mycaffe/3. make all -j84. make pycaffe首选在$HOME/data中新建一个UAVDT文件夹，将数据集(VOC2007格式)都放到data中，这样有利于统一管理。生成lmdb格式文件(caffe输入格式)首先先把从Mycaffe/data/VOC0712/ 以下几个.

首先说下环境：ubuntu16.04，cuda9，cudnn7.5，python2.7.12，opencv2.14caffe框架数据集已经转好为IMDB格式利用MobileNetSSD进行训练由于VOC数据集是21类（加上背景），而这里只有7类（加上背景），因此，我们需要重新生成训练、测试和运行网络文件，这里就要用到gen_model.sh脚本，它会调用template文件夹中的模板，按照我们指定的参数，生成所需的训练网络模型。这个脚本的用法usage: CLASSNUM 对应labe...

这两天需要使用caffe框架跑实验，每次都需要把VOC格式转换成IMDB格式。今天就把转换格式的过程单独列成一个博客。前提：配置caffe环境1. export PYTHONPATH=/home/zhai/experiment/caffe-ssd-master/caffe/python:$PYTHONPATH2. cd cafffe/3. make all -j84. make pycaffe首选在caffe/data中新建一个MyUAVDT文件夹，将数据集(VOC2007.

前言RFCN和faster rcnn算法模型原理非常类似，也有RPN，也是分两阶段来进行目标检测。主要不同点就是RFCN添加了Position Sensitive ROI Pooling层,这样使得ROI Pooling前已经带有位置信息，后面只需要做分类即可。基于这一改变，使得后面全连接层可以省略掉，模型size减少很多，计算量大为减少，从而效率提高了，而准确度还能和faster rcnn相当。参考：https://blog.youkuaiyun.com/sinat_30071459/article/deta

现在用caffe-ssd运行下自己的数据集前提：caffe已经配置好，数据集也已经生成好如下，caffe下的ssd文件我自己的数据集我的LMDB路径数据训练1.训练时使用ssd demo中提供的预训练好的VGGnet model链接下载地址：https://pan.baidu.com/s/1X7gkyHnd87nv5TTqWfaR2Q 提取密码：45tm将该模型保存到 ： caffe-ssd/models/VGGNet下（没有VGGNet，就新建一个）。..

我的caffe-ssd已经配置好，这里也不再去讲。我的caffe-ssd的路径为 /home/zhai/experiment/caffe-ssd-master/caffe首先说下环境：ubuntu16.04，cuda9，cudnn7.5，python2.7.12，opencv3.4参考：https://blog.youkuaiyun.com/qq_30011277/article/details/87557742 （主）https://blog.youkuaiyun.com/Chris_zhangrx...

花了好几天的时间对电脑进行了caffe的配置，真的caffe真的配置太繁琐了，特别的麻烦。现在呢，就是验证一下是否是配置成功。我的caffe的配置是对ubuntu自带的python2.7版本下的caffe配置。网上有说直接在终端中执行 caffe命令如果后面有提示命令就算成功，但是我的不是这样，如下。一时间把我搞得心烦意乱。然后，有说是在python下导入caffe如果不报错，那就是成功，我试试下，这次成功了，如下图。我现在真的是要疯掉了，到底是谁的说法是正确的，我自己都不知道了。为

SSD在训练前需要在终端运行create_list.sh来生成trainval.txt, test.txt和test_name_size.txt三个文件，详见SSD官方说明。create_list.sh代码解析如下：#!/bin/bash root_dir=$HOME/data/VOCdevkit/ #存放数据的根目录sub_dir=ImageSets/Main #存放ImageSets数据集的索引bash_dir="$(cd "$(dirname "${BASH_SOURCE[0]

安装配置# SSD代码clone到 caffe-ssd文件夹下，这里下载的是master的代码git clone https://github.com/weiliu89/caffe.gitcd caffe# 选择ssd分支git checkout ssd编译caffe对于一个新的ubuntu系统，编译caffe需要安装相应依赖库，如果成功编译过caffe，就不需要再安装，我的是昨天晚上已经安装过了，这里略过。不过还是可以验证一下有哪些库没装，下面给出安装库的代码，依次运行就行。.

正常情况下，你安装好ubuntu16.04版本之后，系统会自带python2.7版本，如果需要下载新版本的python3.5，就需要进行更新。下面给出具体教程：　　1.首先在ubuntu的终端ternimal输入命令：　　sudoapt-getinstallpython3（我一开始选择的是安装python3.7,命令为：sudo apt-getinstallpython3.7）　　输入你的密码后会下载，刚才下载的Python程序被安装在usr/localb/python3.7 中。...

. 前提:安装前服务器情况,已经安装好了: CUDNN=7.3.0 CUDA=10.0.130 Opencv 2.4.13 相应命令为:cuda 版本cat /usr/local/cuda/version.txtcudnn 版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2opencv版本pkg-config opencv --modversion-----------------

编译时出错

ImportError: No module named cv2 接下来看最主要的，也就是cv2发现不了，在这里为了给大家理清思路，我就直接说解决方案把，碰到这个问题的时候我就从一个孩子，天真烂漫的孩子变成一个车车弟弟的傻逼。第一步： 安装python-opencvsudo apt-get install python-opencv但是问题来了，不行 找到cv2.so文件复制到你的usr/local/lib/python2.7...