caffe

    2熱度

    2回答

    從較低的fc層微調CNN

    我注意到，對新數據集的CNN進行的大多數微調僅在「最後」完全連接（fc）層完成。 我對從「第一個」完全連接層進行微調感興趣：也就是說，我想使用卷積和合並圖層的中級特徵（假設它是在ImageNet上訓練的），但是將所有fc圖層適合我的新數據集。 理論上和實踐中，這是什麼效果？是否有可能爲我的新數據集學習更合適的一組參數？
    computer-vision neural-network convolution deep-learning caffe 2015-09-12

    1熱度

    1回答

    在編譯caffe時出現ld錯誤：找不到libpng和libgfortran，共享庫

    我試圖在ubuntu 14.04 LTS上用Anaconda編譯caffe，只用CPU模式和OpenBLAS。不幸的是，我得到了一個ld錯誤。 我遵照指示，添加了Anaconda沒有提供的依賴項，並相應地調整了Makefile.config，尤其是包含了Anaconda路徑。 當我做make all我得到了你在下面看到的錯誤（我還包括了Makefile.config），即使沒有找到的兩個文件在共享
    ubuntu g++ shared-libraries ld caffe 2015-09-16

    2熱度

    1回答

    微調與朱古力

    我複製的步驟VGG我想改變網絡VGG模型，在 http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel 獲得它足夠簡單地替代模型參數如下？ ./build/tools/caffe train -solver models/finetune_flickr_style/solver.
    computer-vision neural-network deep-learning caffe 2015-09-22

    2熱度

    1回答

    Caffe：具有不同標籤數量的多標籤圖像

    我有一個數據集，其中圖像有變化標籤數量。標籤的數量在1到5之間。共有100個類別。 谷歌搜索後，看起來像HDF5分貝層分貝可以處理多個標籤，如下面的URL。 唯一的問題是它假設有一個固定數量的標籤。在此之後，我將不得不創造非標類一1×100矩陣，其中，項值爲1的標記類，0，如以下定義： layers { name: "slice0" type: SLICE botto
    computer-vision neural-network hdf5 deep-learning caffe 2015-09-25

    1熱度

    1回答

    數據層預取隊列空然後丟失0

    我在我自己的數據集上微調caffenet。 我已經在flickr樣式數據集上成功完成了它， ，所以我修改了solver和train_val prototxt文件以指向我的數據集，並使用新的輸出維度（= 100個類）。 我的數據集的大小是1.88M訓練圖像，和.48M圖像進行測試。 當我開始訓練，它停下來顯示 ... blocking_queue.cpp:50] Data layer prefetc
    computer-vision neural-network deep-learning caffe 2015-09-27

    2熱度

    1回答

    Caffe：火車，驗證和測試拆分

    我一直在使用caffe一段時間，但取得了一些成功，但我注意到在示例中給出的數據集只有兩個方向的分裂，分別爲TRAIN和TEST階段，其中TEST集似乎充當驗證集。 理想我想有三組，這樣，一旦模型被訓練，我能救它，測試它在一個完全新的測試集 - 存儲在一個單獨的完成文件夾lmdb。有沒有人有這方面的經驗？謝謝。
    python machine-learning neural-network caffe conv-neural-network 2015-10-02

    0熱度

    1回答

    使用Caffe爲自定義圖像分類器提取圖像特徵

    我想獲得預構建caffe模型的第6層的輸出並在其上訓練SVM。我的目的是建立一個自定義圖像分類，用戶可以創建自定義圖像類，以及輸入圖像的類之間進行分類，而不是imagenet classes.Here是僞代碼： #input file='cat.jpg' image=caffe.io.load_image(file) #model net = caffe.Classifier('depl
    python computer-vision neural-network caffe conv-neural-network 2015-10-04

    2熱度

    2回答

    導航超參數

    我只是想知道是否有人可以提供一個很好的資源，讓我閱讀如何根據問題的複雜性來選擇解算器的超參數。基本上，據我所知，很多人覺得他們是「在黑暗中拍攝」的，當涉及到設置和修改這些參數時，基於特定問題/數據複雜度選擇參數的系統或基準已經逃脫了我。 如果你想解釋你自己的方法，或只是提供你的來源評論，它將不勝感激。
    neural-network caffe 2015-10-05

    4熱度

    1回答

    深度學習訓練數據集向Caffe

    我深學習的新手，創造了使用來自Caffe和圖像車輛分類工作有3個部分的問題： 是否有在組織類的最佳做法培訓 CNN？即每個班級的班級數量和樣本數量？ 例如，我會關閉這更好的方式： （一）汽車 - 汽車 - 轎車/車，兩廂/車，SUV /卡車18輪/ ....（請注意，這可能意味着幾千類），或 （b）有較高的水平 模型，分類之間的汽車/卡車/兩輪車等... 如果車型然後查詢車型獲得車型 （轎車/掀背
    machine-learning computer-vision deep-learning caffe 2015-10-06

    2熱度

    1回答

    他們是如何計算Caffe中這個convnet例子的輸出量的？

    在此tutorial中，輸出量在輸出[25]中陳述，並且接受字段在輸出[26]中指定。 好的，輸入量[3, 227, 227]與區域大小爲[3, 11, 11]的區域進行了卷積。 使用這種formula(W−F+2P)/S+1，其中： W =輸入音量大小 F =感受域大小 P =填充 S =步幅 ...結果與(227 - 11)/4 + 1 = 55即[55 * 55 * 96]。到目前爲止這麼好
    machine-learning neural-network convolution deep-learning caffe 2015-10-06
最新問題