pycaffe

0熱

2答えて

Caffe - MNSIT - 1つの画像でネットワークを使用するにはどうすればいいですか？

私は画像分類にCaffe（http://caffe.berkeleyvision.org/）を使用しています。私はWindows上でそれを使用しており、すべてがうまくコンパイルされているようだ。私はMNISTのチュートリアル（http://caffe.berkeleyvision.org/gathered/examples/mnist.html）に従って学習を始めました。私はデータをダウンロード

1熱

1答えて

Python層を使用してBhattacharyyaの損失関数を実装するCaffe

Python層、caffeを使用して私のカスタム損失層を実装しようとしています。私はガイドとしてこのexampleを使用していたし、次のようにforward機能を書いている：私はと完全に慣れていないんだと def forward(self,bottom,top): score = 0; self.mult[...] = np.multiply(bottom[0].data,

-1熱

1答えて

カフェNetParameter解析エラー

私はモデルをロードしようとしましたが、私はこのエラーを得た：チェックに失敗しました：/ホーム/ Energetiks /ビルドします/畳み込みポーズ-machines-：ReadProtoFromBinaryFile（param_file、paramは）NetParameterファイルの解析に失敗しましたリリース/テスト/ pythonの/../../モデル/ _trained_MPI/pose

1熱

1答えて

pycaffeでnet.forwardを使用すると、lmdbの先頭から転送されます

私はpycaffeを使用しています。列車とテストデータはLMDB形式です。私はこのように私のネットを作成している：あなたはnet.forwardを呼び出すときネット= caffe.Net（ 'train.prototxt'、 'c.caffemodel'、caffe.TEST）、暗黙のうちにあなたが歩きますLMDBテスト・データベースを1つずつバッチ処理します。私の質問は、LMDBの初めから

0熱

2答えて

Pycafe-同じ重みとバイアスを持つ2つのネットワークを作成する

同じ重みとバイアスを持つ2つのネットワークを作成しようとしています。同様の学習曲線が必要です。反復2では、2つのネットワークのすべてのブロブは同じです（データ&差分）が、パラメータ（重みは&のバイアス）が異なります。私はここで間違っていますか？注：ネットワーク内には、データセットとドロップアウトレイヤのシャッフルはありません。おかげ solver1 = caffe.SGDSolver('le

3熱

1答えて

Pycaffe net forward_all（）関数が動作しない

CNNのウェイトを訓練した後、同じネットアーキテクチャを使用して予測を行うことにしました。私のデータはbatch_size = 64です。私はpred_net.forward()関数を正しく実行でき、予測クラスはblobs['prob']から取得できます。私のデータセットには20000個のサンプルがあります。 forward()の機能がi回あると、64*iのサンプルがネットに転送されます。だ

1熱

1答えて

PythonでNVIDIA Digitsのトレーニング/検証LMDBを作成する

NVIDIA Digitsで使用するトレーニング/検証LMDBを作成しようとしていますが、良い例やチュートリアルは見つかりません。私はLMDBデータベースを作成する方法を理解していますが、データを正しくフォーマットする方法は不明です。 channels/width/height/dataを設定してcaffe_pb2 Datumを使ってイメージを作成し、保存する方法を学びます。しかし、ラベルLM

1熱

3答えて

例外： "ドット"は、Macのpythonのパスに見つかりません

私はcaffe.drawを使用して、macのanaconda pythonでcaffeネットを描画します。しかし、私はこのようなエラーました： File "python/draw_net.py", line 45, in <module> main() File "python/draw_net.py", line 41, in main caffe.draw.dra

3熱

1答えて

Caffe - pycaffeを使用してカフェウェイトのdtypeを変更するにはどうすればよいですか？

私は、事前に訓練されたより高速のrcnnカフェモデルを持っています。私はnet.params[pr][0].dataを使ってモデルの重みを得ることができます。今のところ、ウェイトはnumpyのfloat32型です。モデルのサイズを小さくするために、浮動小数点数を16に減らしたいと考えています。カフェが推論/トレーニング時間でそれをサポートしていません。しかし、ストレージ用メモリを節約するために、重

1熱

1答えて

caffeとpycaffeによって報告された精度は異なります

以下は、事前に訓練されたモデルを訓練するために使用されるtrain.Prototxtファイルです。 name: "TempWLDNET" layer { name: "data" type: "ImageData" top: "data" top: "label" include { phase: TRAIN