Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
Caffe源码中syncedmem文件分析
Caffe源码 caffe version 09868ac date 2015 08 15 中有一些重要文件 这里介绍下syncedmem文件 1 include文件 1
caffe
Caffe2——cifar10数据集创建lmdb或leveldb类型的数据
cifar10数据集和mnist数据集存储方式不同 cifar10数据集把标签和图像数据以bin文件的方式存放在同一个文件内 这种存放方式使得每个子cifar数据bin文件的结构相同 所以cifar转换数据代码比mnist的代码更加的模块化
caffe
lmdb
OpenBLAS简介及在Windows7 VS2013上源码的编译过程
OpenBLAS Open Basic Linear Algebra Subprograms 是开源的基本线性代数子程序库 是一个优化的高性能多核BLAS库 主要包括矩阵与矩阵 矩阵与向量 向量与向量等操作 它的License是BSD 3
caffe
EigenOpenBLAS
【caffe跑试验遇到错误:Check failed: error == cudaSuccess (2 vs. 0) out of memory】
刚开始跑caffe试验 老是遇见各种错误 今天又遇见 span style font size 18px color ff0000 I1214 09 32 19 428040 11425 net cpp 748 Ignoring sourc
图像处理
caffe
cudaSuccess2vs0
OutOfMemory
memory
(无需编译)使用官方prebuilt文件在win10下配置caffe for python
网上给出的caffe安装教程基本上需要自己编译 我在编译的过程中遇到很多问题 弄了很久也没有配置好 然而官方给出了prebuilt的版本 网址 BVLC caffe at windows 之前看到过prebuilt版本但一直不知道怎么使用
caffe
图像集存储成MNIST数据集格式实现
有时会用到将一组图像存放成MNIST中那样的数据格式 以便于用于网络的训练和测试 如MNSIT中的测试集标签t10k labels idx1 ubyte和测试集图像t10k images idx3 ubyte 各包含了10000个样本 这里
DatabaseDataset
caffe
Contrastive Loss (对比损失)
Contrastive Loss 对比损失 在caffe的孪生神经网络 siamese network 中 其采用的损失函数是contrastive loss 这种损失函数可以有效的处理孪生神经网络中的paired data的关系 cont
深度学习
机器学习
caffe
Siamese
对比损失
深度学习中的验证集和超参数简介
大多数机器学习算法都有超参数 可以设置来控制算法行为 超参数的值不是通过学习算法本身学习出来的 尽管我们可以设计一个嵌套的学习过程 一个学习算法为另一个学习算法学出最优超参数 在多项式回归示例中 有一个超参数 多项式的次数 作为容量超参数
Deep Learning
caffe
Caffe训练过程:test_iter test_interval等概念
转自 http blog csdn net iamzhangzhuping article details 49993899 先上一张图 大家很熟悉的一张图 首先说明一个概念 在caffe中的一次迭代iteration指的是一个batch
caffe
模型转换、模型压缩、模型加速工具汇总
目录 一 场景需求解读 二 模型转化工具汇总 1 模型转换工具的作用 2 模型转换工具简介 1 MMdnn 2 ONNX 3 X2Paddle 三 模型压缩和加速工具汇总 1 模型压缩加速工具的作用 2 模型压缩加速工具简介 1 Pocke
深度学习
模型压缩与加速
caffe
人工智能
Win10+VS2015编译caffe踩坑记录
跑HTM的代码要用到caffe的库 从学长那拷过来的工程里是用VS2013编译的 只能用自己的VS2015重新编译一下 记录一下编译过程 环境 Windows10 VS2015 cuda8 0 cudnn5 1 CMake3 17 0 An
秃头之路
Windows
caffe
cublas 实战
导言 搞了一段时间的CUDA程序 虽然也不是写不出复杂程序 但是写个矩阵乘法都要搞个半天 还要担心各种性能瓶颈 不过 还好有cublas 实现了非常多的数学运算 这下子可以好好利用一番 以后再也不用担心自己写的CUDA效率不高了 入门 cu
caffe
CUDA
c语言
caffe代码阅读8: Data_layers的实现细节(各个数据读取层的实现细节) 2016.3.25-28
一 Data layers hpp文件的作用简介 Data layers hpp在目前caffe的master分支中已经不能存在了 分散到各个文件中去了 而之前是存在于cafferoot include caffe中 现在已经变成了各个类的
CC
神经网络
图像处理
caffe
深度学习
caffe convert_image 初略解析
需要的基础知识 OpenCV 建议去看官网的图文教程 LevelDB http dblab cs toronto edu courses 443 2014 tutorials leveldb html 这个是我学习的教程 今天在看caffe
caffe
deeplearning
caffe问题Check failed: registry.count(type) == 1 (0 vs. 1) Unknown layer type: Python
caffe中输入层使用python时 出现问题 Check failed registry count type 1 0 vs 1 Unknown layer type Python 解决方法 在caffe目录下Makefile confi
Bug
caffe
python
Caffe源码中各种依赖库的作用及简单使用
1 Boost库 它是一个可移植 跨平台 提供源代码的C 库 作为标准库的后备 在Caffe中用到的Boost头文件包括 1 shared ptr hpp 智能指针 使用它可以不需要考虑内存释放的问题 2 date time posix t
caffe
Windows7上使用VS2013编译Caffe源码(不带GPU支持)步骤
1 从https github com BVLC caffe 通过git clone下载caffe源码 master分支 版本号为09868ac git clone https github com BVLC caffe git 2 先使用
caffe
解决caffe运行mobilenet报错:registry.count(type) == 1 (0 vs. 1) Unknown layer type: DepthwiseConvolution
ubuntu下使用caffe运行mobilenet时由于缺少相关层容易报错 这时需要自己下载相关层的头文件和源文件 再次编译caffe 针对问题registry count type 1 0 vs 1 Unknown layer type
环境配置
caffe
深度学习
Ubuntu
Run-Time Check Failure #2 - Stack around the variable 'a' was corrupted
一般为数组越界 查看一下数组大小
caffe
«
1 ...
3
4
5
6
7
8
9
...13
»