caffe专题

使用openpose caffe源码框架训练车辆模型常见错误及解决办法

错误1:what():  Error: mSources.size() != mProbabilities.size() at 51, OPDataLayer, src/caffe/openpose/layers/oPDataLayer.cpp 原因:这是因为在网络模型中数据源sources和probabilities设置的参数个数不一样导致的,一个数据源对应一个概率 解决方法:只需要将网络文

caffe训练openpose相关资源

CPMTransformationParameter参数解析: https://www.jianshu.com/p/063a2159f0f2 genLMDB.py: https://www.jianshu.com/p/1cae32cbd36d OpenPose 参数说明: https://blog.csdn.net/zziahgf/article/details/84668319 openp

在Ubuntu16环境下用QT调试caffe

用qt调试caffe需要配置一些东西具体方法可以参考一下链接: https://www.zhihu.com/question/27987666/answer/80728225 https://blog.csdn.net/xg123321123/article/details/52817658

ubuntu16.04 caffe python3.5 安装

在ubuntu16.04 下 caffe安装python3.5可以参考 https://blog.csdn.net/tingtie1438/article/details/82085199 但这里面有一些需要补充和修正其中的一些东西 一、其中“二. 安装依赖项”里面是这样的: sudo apt-get install python3-pipsudo apt-get install pytho

解决caffe 编译过程中protobuf版本冲突的问题

在编译caffe python3版本时一直会出现如下错误,(安装caffe python3具体方法可参考:https://blog.csdn.net/tingtie1438/article/details/82085199 ): 通过其错误信息可知是protobuf出了问题,现在网上教程一般都是默认安装的 libprotobuf-dev 和 protobuf-compiler,对于pytho

ubuntu16.04 caffe(github源码cpu)+python3.5+opencv3.4.5安装编译

https://www.cnblogs.com/hanjianjian90/p/10604926.html

caffe 配置过程中遇到的错误

错误1:  MSB3073: 命令“"D:\caffe-windows\windows\\scripts\BinplaceCudaDependencies.cmd" "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\bin" "" false true "D:\caffe-windows\windows\..\Build\x64\D

找不到cannot find -lpython3.5m caffe anaconda python3 ubuntu16.04

LD -o .build_release/lib/libcaffe.so.1.0.0/usr/bin/ld: 找不到 -lpython3.5mcollect2: error: ld returned 1 exit statusMakefile:572: recipe for target '.build_release/lib/libcaffe.so.1.0.0' failedmake: ***

2015深度学习回顾:ConvNet、Caffe、Torch及其他

CVPR可谓计算机视觉领域的奥运会,这是vision.ai的Co-Founder,前MIT研究人员T. Malisiewicz针对CVPR'15尤其是Deep Learning的综述文章,谈到了ConvNet的Baseline,Caffe和Torch之间的分歧,ArXiv论文热,以及百度的ImageNet违规事件等。原文标题为:Deep down the rabbit hole: CVPR 20

windows环境Caffe安装配置步骤(无GPU)及mnist训练

最初的想法是动手熟悉Caffe,考虑到直接上手Ubuntu会有些难度,所以首先在windows环境下打个基础。有个插曲,台式机由于某些原因只能保持在32位系统,编译caffe.cpp时才发现系统不兼容,然后才换到64位的笔记本上进行操作。  前期准备:1.VS 2013   2. windows版的Caffe(https://github.com/BVLC/caffe/tree/window

caffe源码解析-inner_product_layer

打开inner_product_layer.hpp文件,发现全连接层是非常清晰简单的,我们主要关注如下四个函数就行。 LayerSetUp(SetUp的作用一般用于初始化,比如网络结构参数的获取)ReshapeForward_cpuBackward_cpu ** inner_product_layer.hpp ** namespace caffe {template <typename

caffe源码解析-im2col

im2col这个函数特别棒!为啥?因为它让卷积变得简单,他将卷积操作转变为矩阵乘法,对比发现全连接层的实质就是矩阵乘法,所以这个函数使得卷积层的很多操作只需要仿照全连接层就可以了。下面主要介绍一下这两个函数: im2col_cpu,将输入feature map转变为矩阵col2im_cpu,将输出的残差map传递给输入的残差map,具体的残差传递还涉及权重 ** im2col_cpu **

caffe源码解析-BaseConvolutionLayer

BaseConvolutionLayer是作为ConvolutionLayer的基类,里面实现了一些ConvolutionLayer需要用到的函数。 forward_cpu_gemm,卷积层前向传递过程中的矩阵乘法backward_cpu_gemm,卷积层后向传播过程的矩阵乘法weight_cpu_gemm,主要用来计算权重的增量forward_cpu_bias,加入偏置,略backward_c

CentOS 6.5安装caffe注意事项 应该可以解决大部分报错问题

本文安装基本环境参考这篇博客,先往下看。 在我这里坑主要出现在安装glog一直报错(其实问题是gflag安装的问题),安装gflags的时候按照我这里的来 一句话:自己手动安装的包,一定要确保有且只有安装了这一个包(别重复安装)! 比如gflags: 首先先保证把老版本卸载:1、如果之前用make install安装的,用make unistall卸载。2、之后查看rpm包rpm -

caffe 的matlab接口配置

参考博文:http://blog.csdn.net/thystar/article/details/50720691caffe的Matlab中只支持gcc-4.7,但是ubuntu14.04默认安装的是gcc-4.8。 选择安装gcc-4.7并降级,步骤如下: 下载并安装gcc-4.7和g++-4.71  sudo apt-get install gcc-4.72  sudo apt-ge

ubuntu16.04 安装caffe时出现 .build_release/tools/caffe: error while loading shared libraries: libcudart

在Ubuntu上面搭建caffe环境,搭建完成之后运行sudo make runtest -j8失败,提示错误为:.build_release/tools/caffe: error while loading shared libraries: libcudart.so.10.0: cannot open shared object file: No such file or directory

caffe编译过程中的错误: nvcc fatal : Unsupported gpu architecture ‘compute_20‘

在编译caffe的过程中遇到了nvcc fatal : Unsupported gpu architecture 'compute_20'这个错误, 修改方法为: 在Makefile.config文件中根据自己CUDA的版本注释不同的行。 # CUDA architecture setting: going with all of them. # For CUDA < 6.0, comment

Ubuntu16.04 Caffe 安装步骤记录(超详尽)(转载)

搭建caffe环境的时候,是根据一篇比较好的博客做的,做下记录,就不转载了,博客网址为 https://blog.csdn.net/yhaolpz/article/details/71375762

xavier NX编译caffe错误记录(一)

在xavier NX上编译caffe时遇到一些错误,简单记录一下, 目录 一:首先是缺少各种库,对于这种错误直接用下面这篇博客的笔记安装相应的依赖库即可。 二:无法读取cudnn版本 三:找不到opencv 四:CUDA_cublas_device_LIBRARY (ADVANCED)  linked by target "caffe" in directory /data/software/c

caffe fine-tuning 图像分类

fine-tuning流程: 1、准备数据集(包括训练、验证、测试); 2、数据转换和数据集的均值文件生成; 3、修改网络输出类别和最后一层的网络名称,加大最后一层参数的学习速率,调整solver的配置参数; 4、加载预训练模型的参数,启动训练; 5、选取图片进行测试。 准备数据集 将图像整理到对应的文件夹中,对应的ground-truth放到对应的txt文件中。把自己的数据集划

Ubuntu配置caffe

Ubuntu是以桌为主面应用的Linux发行版。本人使用Ubuntu 16.04.3版本。可通过以下命令查看本机Ubuntu的内核版本和发行版本号。 cat /etc/issue 输出如下: Ubuntu 16.04.3 LTS \n \l 本人显卡:TITAN Xp NVIDIA Titan Xp显卡驱动和CUDA安装 本人安装CUDA Toolkit 9.0版本。下载链接:

Caffe学习系列(7):solver及其配置(学习率)

转自:http://www.cnblogs.com/denny402/p/5074049.html 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。运行代码一般为 caffe train --solver=*_slover.prototxt 在Deep Learning中,往往loss function是非凸的,没有解

caffe训练自己的手写数字

转自:http://blog.csdn.net/houwenbin1986/article/details/52956101 搭建好caffe Python环境后,我们都需要跑通mnist和imagenet示例,感谢博主:http://www.cnblogs.com/denny402/p/5684431.html 官网提供的mnist数据并不是图片,但我们以后做的实际项目可能是图片。因

caffe安装吐血总结 opencv的问题,ubuntu版本问题

转自:http://blog.csdn.net/caozhantao/article/details/51479172 这周安装了caffe的windows版本和Linux版本,依赖关系太多,如果系统选对了,安装起来很easy,选错了,就会遇见各种坑。 1.操作系统最好使用ubuntu desktop 14.04 64位。 我试用的操作系统版本比较多,以下介绍一下操作系统的坑: u

cuda8.0+ubuntu+theano、caffe、tensorflow环境搭建

一共3篇文章: ************************************************************************************************************************************ 第一篇GTX960ubuntu16.04、cuda8.0caffe tensorflow theano 转自:

cuda caffe cudnn

本系列文章由 @yhl_leo 出品,转载请注明出处。 文章链接: http://blog.csdn.net/yhl_leo/article/details/50961542 花了一天时间,在电脑上安装配置了Caffe深度学习框架,网上的很多教程和指导都已经过期,中间辗转耗费了点时间,这里把个人认为最简单的方法整理如下。 1 版本 笔记本:ThinkPad W541