Caffe Zoo 없이 (pyCaffe도 포함하지 않음)의 많은 사전 모델에서 파이썬으로 가중치를 추출하는 비교적 간단한 방법이 있습니까? 즉, .caffemodel을 hdf5/numpy 또는 파이썬에서 읽을 수있는 형식으로 구문 분석합니까? 모든 답변은 Caffe 클래스 또는 Pycaffe에서 C++ 코드를 사용합니다. pycaffe의 코드를 보았습니다.
이것은 바보 같은 질문처럼 보일 수 있지만, 좋은 결과를 얻으려면 caffe의 테스트 단계가 어느 정도까지 중요한지 이해하려고합니다. 물론 훈련 단계는 중요하지만 훈련되지 않은 세트에서 주기적으로 얼마나 많은 손실이 발생하는지 테스트하는 테스트 단계입니다. 이 경우 테스트 세트의 크기가 중요합니까? 테스트가 전혀 중요합니까? 나는 현재 심각한 과장 문제가
내 모델이 맞는지 확인하기 위해 데이터의 미니 배치에 내 모델을 너무 많이 맞추고 싶습니다. 내 데이터 세트는 lmdb 형식입니다. 데이터 레이어는 solver.step()을 수행 할 때 자동으로 업데이트됩니다. Caffe에서 새로운 데이터를로드하는 것을 어떻게 피할 수 있습니까?
파이썬을 사용하여 prototxt 파일을 편집하고 싶습니다. 소스를 다른 디렉토리로 변경하기 만하면됩니다. 이 문제를 해결할 수있는 간단한 방법이 있습니까? 전체 파일을 다시 정의하고 전체 파일을 다시 작성할 필요가 없습니까? 예를 들어, 내 prototxt 파일에 나는 layer {
name: "data"
type: "Data"
나는 Caffe를 설치하고 OpenCV의 여러 버전을 사용하여 설치를 망쳤다고 생각합니다. 이제는 내가 뭘했는지 모르겠지만 아무것도 제대로 작동하지 않는 것 같습니다. 그래서 가장 안전한 방법은 opencv를 완전히 제거하는 것입니다. 덕분에 어떻게 도움을 줍니까? 난 내가 $> sudo find/-name "*opencv*" -exec rm -i {} \
그래서 기본 회선 레이어의 일부로 구현 된 pycaffe의 회선 기능을 사용하여 놀고있었습니다. name: "convolution"
input: "data"
input_dim: 1
input_dim: 1
input_dim: 227
input_dim: 227
layer {
name: "conv"
type: "Convolution
간단한 의미 이미지 세분화 작업 (즉, 이미지의 각 픽셀을 2 개의 클래스 중 하나에 속하는 것으로 분류)에 Caffe를 사용하려고합니다. 두 가지 문제가 있습니다. 1) 데이터 준비, 2) 네트워크 계층 정의. 몇 가지 예를 읽으려고했습니다. Labels in Caffe as Images How to feed caffe multi label data in
TensorFlow 버전의 FRCNN을 구현 한 사람이 있습니까? 나는 다음과 같은 몇 가지 관련 REPOS를 발견 Implement roi pool layer Implement fast RCNN based on py-faster-rcnn repo 하지만 1 : 투자 수익 (ROI) 풀링 층의 작품 (나는 시도하지 않은) 가정, 그리고 뭔가가 필요하다 다음
현재 caffe에서 제공하는 lenet 모델을 재생하고 있습니다. 경로 /로/CAFFE/예/mnist/convert_mnist_data.cpp mnist 데이터가 lmdb로 변환하는 C++ 프로그램을 제공합니다. 내가 파이썬 프로그램이 같은 일을 쓰기 에있는 예를 (, 하지만 lmdb의 크기 (4백80메가바이트)는 C++ (60메가바이트)에 의해 변환 된
사전 교육 된 GoogLeNet을 사용하고 있으며 11 개 클래스를 분류하기 위해 내 데이터 세트에서 미세 조정했습니다. 다른 base_learning rate으로 다음 구성을 시도했지만 accuracy이 더 이상 개선되지 않습니다. 나는 사전 훈련 GoogLeNet 모델을 사용하고 지난 10 레이어와 50K에 속도 0.01 최대 반복 학습베이스 처음 3