caffe

0熱

1答えて

トレーニングのためのRCNNライブラリの読み込みトレーニングデータセットはどれくらいですか？

ディープ・ラーニングにFaster RCNN libraryを使用しています。ここでは、自分のデータセットを訓練する方法についてdiscussionです。それが私より先の一歩です。トレーニングのためのデータセットがどのようにセットアップされ、トレーニング用にどのようにロードされているかを理解したいですか？私はコードを見てみると、私はtrain_faster_rcnn_alt_opt.pyからコ

1熱

1答えて

どこで `REGISTER_SOLVER_CLASS（SGD）;`が呼び出され、caffeのために実行されるか？

私はcaffeのソースコードを読むことに興味があります。今私はモデルを訓練するときにREGISTER_SOLVER_CLASS(SGD);hereが呼び出されて実行される場所と時間が混乱していますか？誰でもアドバイスをいただけますか？ありがとうございます~~

1熱

1答えて

Caffeの形状変更パラメータを理解し、Kerasで再実装する方法は？

どのように再構成パラメータを解釈するかわかりません。ここではhttp://caffe.berkeleyvision.org/tutorial/layers/reshape.htmlは0はコピーを意味し、-1は推論を意味する。 -1が最後のパラメータでない場合も同じですか？誰も私がそれを理解するのを助けることができる？ layer { name: "Layer1" type: "

1熱

1答えて

インポートエラー：モジュール名がcaffeでない

私はcaffeをインストールしても問題ありません。 cmdでは、Pythonを使用してインポートできますが、jupyterノートブックを使用するとインポートできません。 enter image description here enter image description here どうすれば解決できますか？

1熱

1答えて

OS XとUbuntuで同じカフェモデルの精度が異なるのはなぜですか？

OS XとUbuntuで同じカフェモデルの精度が異なるのはなぜですか？すべてのファイルは同じです。誰か合理的な説明をすることはできますか？ところで、私はAlexNetのカフェモデルを公式サイトhttp://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodelから手に入れました。彼らはトップ5の精度は80.2％だと主張していますが、私はちょうど79

1熱

1答えて

入力データを[0,1]にスケーリングしたbvlc_reference_caffenetを

私はCaffe ImageNet Tutorialに続き、bvlc_reference_caffenetを正常にトレーニングできました。今私は入力データを[0,255]から[0,1]にスケーリングしたいと思っています（を追加してCaffe LeNet MNIST Tutorialのように固定された/浮動小数点精度のハードウェアでこのCNNを実行する必要があるため） data層のパラメータ：これによ

2熱

1答えて

CNNにはどのような高速損失の収束が示されていますか？

私は2つの貴様DLライブラリ（カフェE Tensorflow）で2 CNNs（AlexNetのE GoogLeNet）を訓練しています。ネットワークは各ライブラリの開発チームによって実装されました（hereおよびhere）元のImagenetデータセットを1カテゴリの1024画像に縮小しましたが、ネットワーク上で分類するために1000カテゴリを設定しました。処理単位（CPU/GPU）とバッチサ

0熱

1答えて

新しい配列を.caffemodelファイルにダンプする

カーネルサイズ、パッド情報などの特定のパラメータを持つカスタマイズされたレイヤーがあります。この中で、bool/int型の配列パラメータがあります。処理後にこの配列パラメータを.caffemodelファイルに追加する必要があります。アレイをカフェモデルファイルにリンク/ダンプする方法は？以下のように、配列パラメータを.protoファイルに含めました。 { ... //other paramet

1熱

2答えて

caffeまたはtensorflowのいずれかで並列に各層を実行することは可能ですか？

フォワード伝搬中の計算時間を短縮するために、訓練されたCNNの各レイヤーを並列に実行したい（基本的には、FPSにあまり影響を与えずにカメラを使用するリアルタイムアプリケーションのCNNを実行する）。私は各レイヤーの入力キューと出力キューを保持します。各レイヤーは入力レイヤーからブロブを処理し、出力レイヤーにダンプすることができます（これは論理的には並行して行うことができます）。各層の出力キューは、

1熱

1答えて

は、私がこのように、様々な画像を保存するカフェネット、用lmdbデータベースを構築していますカフェ

で使用するためにlmdbで複数のフィールドを保存：キーとして、私は2つの文字列を格納してい txn.put('{:0>10d}'.format(dbCtr),currImageDatum.SerializeToString()) 、値のペア。しかし、私はまた、いくつかのメタデータを保存したいと思います。具体的には、画像の元になったファイルの名前を保存したいと思います。私の理解はvalueは[c