Caffe文章/教程

Caffe,全称Convolutional Architecture for Fast Feature Embedding。是一种常用的深度学习框架,主要应用在视频、图像处理方面的应用上。

痛苦的Caffe配置之路(win10 教育版+vs2015+cmaker+cpu_only+python接口)

主要参考http://blog.csdn.net/gua_mass/article/details/65937572,把里面的细节和一些坑丰富了一下,希望能帮到别人吧。 一、前言 电脑显卡GT755M,不支持CUDA,又不会linux…… 查看显卡是否支持:https://developer.nvidia.com/cuda-gpus 二、准备工作 1、准备源码 首先在github上下 »

在Caffe中使用 DIGITS(Deep Learning GPU Training System)自定义Python层

 注意:包含Python层的网络只支持单个GPU训练!!!!!   Caffe 使得我们有了使用Python自定义层的能力,而不是通常的C++/CUDA。这是一个非常有用的特性,但它的文档记录不足,难以正确实现本演练将向您展示如何使用DIGHT来学习实现Python层。 注意:这个特性(自定义python层)在你是使用Cmake编译Caffe或者使用Deb 包来安装Caffe的时候自动被包含。如 »

经典网络LeNet-5介绍及代码测试(Caffe, MNIST, C++)

LeNet-5:包含7个层(layer),如下图所示:输入层没有计算在内,输入图像大小为32*32*1,是针对灰度图进行训练和预测的。论文名字为” Gradient-Based Learning Applied to Document Recognition”,可以直接从http://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf 下载原始论文。 第一层 »

caffe源码解析:卷积乘法中用到的im2col及col2im

这两个函数其实完成的功能比较简单,im2col就是把矩阵按卷积乘法所需,变换成列向量,col2im是一个逆过程 从下面这张图你一眼就能看明白im2col的操作(caffe中卷积计算都是Matrix_Kernel * Matrix_Col),因为都列出来太长了,我只列出了前4个,注意这是四周围完全没有填充0的情况,   col2im是一个反过来的过程,那么你可能会好奇,这两个操作能完全可逆吗? 事 »

win10+vs2013+python2.7 环境下配置下配置无gpu的caffe

##配置之前,请大家一定要注意自己的python版本,一定要是py2.7 caffe 下载地址: https://github.com/Microsoft/... 例外,我这里有已经编译好的caffe,在python里可以直接import,下载地址:https://download.csdn.net/download/yigeng3663/10450905 接下来就是开始我们的编译过程了: 1. »

Caffe fine-tuning 微调网络

转自Caffe fine-tuning 微调网络 一般来说我们自己需要做的方向,比如在一些特定的领域的识别分类中,我们很难拿到大量的数据。因为像在ImageNet上毕竟是一个千万级的图像数据库,通常我们可能只能拿到几千张或者几万张某一特定领域的图像,比如识别衣服啊、标志啊、生物种类等等。在这种情况下重新训练一个新的网络是比较复杂的,而且参数不好调整,数据量也不够,因此fine-tuning微调就是 »

VS2013配置Caffe卷积神经网络工具(64位Windows 7)——准备依赖库

2014年4月的时候自己在公司就将Caffe移植到Windows系统了,今年自己换了台电脑,想在家里也随便跑跑,本来也装了Ubuntu可以很方便的配置好,无奈在家的风格是“娱乐的时候抽空学习”,所以移植到Windows还是很有必要的。但是,公司禁止将公司内部资料带出,很多地方又都忘记了,周末磨了一天终于移植完,本篇为记录将Caffe移植至Windows7 x64系统下的一些关键步骤。第一步先看看这 »

Caffe中卷积的实现

方法:将卷积转化为矩阵相乘 两步: (1)调用im2col函数,将图像(feature map)转化为矩阵 (2)调用GEMM函数,做实际的运算 优点:逻辑简单,易于实现 缺点:耗费大量内存 feature map每一个卷积位置(卷积核将要滑过的位置),展开成一个C∗K∗K维的行向量 继续展开…… 按照这个方式展开完毕之后,得到一个矩阵:H∗W行(因为有H∗W个卷积位置), »

caffe学习(3):caffe+win10+vs2013+Gpu配置记录

一、准备工具 1、已经安装好vs2013。 2、BVLC/caffe/tree/windows    microsoft/caffe  谁能告诉我,这两个版本有啥区别呢?本次,先用microsoft/caffe进行安装吧,先用这个来学习caffe. 3、CUDA7.5  官方的说法是vs2013要用CUDA 7.5,vs2015要用CUDA 8。选择windows 10,exe(local),下载 »

VS2013+Windows+CPU下搭建caffe框架并利用mnist数据集实验

《李凭箜篌引》--李贺 吴丝蜀桐张高秋,空山临云颓不流; 江娥啼竹素女愁,李凭中国弹箜篌; 昆山玉碎凤凰叫,芙蓉泣露香兰笑; 十二门前融冷光,二十三丝动紫皇; 女娲炼石补天处,石破天惊逗秋雨; 梦入神山教神妪,老鱼跳波瘦蛟舞; 吴质不眠倚桂树,露脚斜飞湿寒兔。 一、VS2013+Win10+CPU下搭建caffe框架 l  在github网上下载caffe代码caffe-master,https »

linux下caffe模型可视化操作

安装相关依赖 pip3 install pydot sudo apt-get install graphviz 在caffe-master/python目录下 python3 draw_net.py /home/xxx/caffe-master/examples/mnist/lenet_train_test.prototxt lenet.png »

caffe--2--一文详细了解caffe的文件夹目录结构

caffe的文件夹目录结构 这里,最重要的三个文件夹就是include, tools, src。 include:caffe的实现代码的头文件 tools:保存的源码是用于生成二进制处理程序的,caffe在训练时实际是直接调用这些二进制文件。 src:实现Caffe的源文件 在源码解读中会对里面的文件代码一一介绍,这里给出src文件的结构: src中的每个.cpp文件对应include文件中的 »

BVLC官版caffe在win10x64下搭建matlab2016a支持库

1,安装MATLAB2016A,添加环境变量:  注意添加最后一行,不然vs2015编译caffe的matlab支持库,会报找不到libmx.dll的警告。   2,修改caffe-windows\scripts\build_win.cmd,设置:BUILD_MATLAB=1   3,运行build_win.cmd后,用vs2015打开caffe-windows\scripts\build\Caf »

caffe-windows的配置

本文主要介绍官方给出的caffe-windows的配置及如何训练mnist数据集,介绍的比较基础,大神请绕道 1、环境:windows 10\CUDA7.5\cuDNN\VS2013 2、GPU计算环境准备(没有GPU的同学可以跳过此步) (1)首先下载并安装CUDA7.5,下载界面如图1: 图 1:CUDA7.5的下载界面 (2)下载cuDNN,注意要下载cuDNN v4版本,下载界面如图 »

Windows下git命令下载caffe-segnet源代码

官网上下载git for windows 安装 https://git-for-windows.github.io/ 命令窗口下利用git命令下载caffe-segnet源代码 D:\>git clone git://github.com/alexgkendall/caffe-segnet.git Cloning into 'caffe-segnet'... remote: Count »

【caffe】Windows10+Cuda9.0+Cudnn7.0下配置GPU版caffe

第一步:下载所需软件 1、下载CUDA9.0,也是目前的最新版本。 2、下载CUDNN V7.0。 3、下载Caffe。  第二步:安装和配置 参考网上的大多数教程,对软件进行安装配置。 1、安装CUDA9.0,安装过程很简单。 2、CUDA9.0安装完成后,打开CUDNN文件,将里面的bin、lib、include三个文件夹复制到CUDA9.1的安装路径中与CUDA9.1本身存在的三个文件夹 »

UBUNtu 16.04 cuda cudnn opencv anaconda caffe

ubuntu安装显卡驱动的三种方法 一是:系统设置->软件更新->附加驱动->选择nvidia最新驱动(361)->应用更改 简单但是不提倡   二是:先官网下载好对应驱动编译 Nvidia中文官网是 http://www.nvidia.cn/page/home.html 1)打开终端,先删除旧的驱动: sudo apt-get purge nvidia* 2)禁用自带的 »

Caffe框架GPU与MLU计算结果不一致请问如何调试?

Caffe框架GPU与MLU计算结果不一致请问如何调试? 某一检测模型移植到Cambricon Caffe上时,发现无法检测出结果,于是将GPU和MLU的运行结果输出并保存后进行对比,发现二者计算结果不一致,如下图所示: 第一张为GPU模式下,第二张为GPU模式,二者使用的输入和数据预处理方式均完全一样,该输出为网络第一层卷积的部分输出。 用Cambricon Caffe提供的test_forwa »

caffe-ssd 训练自己的VOC数据集(一):转换VOC xml数据为lmdb格式

假设你已经做好了VOC数据标签,也就是xml文件,并且已经配置好了caffe-ssd的环境 第一步,在caffe-ssd/data目录下本身自带有如下文件夹: 然后在caffe-ssd/data目录下新建一个文件夹命名为VOCdevkit: 然后data目录下有: 进入VOCdevkit目录内,新建VOC2007文件夹,然后再进入VOC2007文件夹内新建Annotations,ImageSe »