问题标签 [caffe2]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
deep-learning - 检查失败：错误 == cudaSuccess (74 vs. 0) 地址未对齐
我有两个数据集并使用 CNN 的 caffe 库进行训练。
第一个数据集有很多训练数据，超过 60,000 个训练图像和 16,000 个测试图像。它的求解器文件如下所示。训练中的批量大小设置为 32。
我有第二个数据集，火车图像数量较少。只有 2883 个训练图像和 709 个测试图像，训练的批量大小设置为 16，如下所示。
我在具有相同 GPU 和资源的同一台 PC 上进行了培训。第二个数据集给了我"Check failed: error == cudaSuccess (74 vs. 0) misaligned address"
但第一个数据集已成功训练。有什么问题？
python - caffe2 no gpu support 错误：libprotobuf.so.14 [进行中]
目前正在运行 AWS Deep Learning AMI (Ubuntu) 版本 17.0，并且遇到了与 Caffe2 的冲突。通过使用检查 caffe2 是否已正确安装
我收到以下错误。
当前错误：
我错过了什么？不确定这是否有帮助，但它似乎存在。
找到文件？
AWS 实例： 预装了最新的深度学习框架：MXNet、TensorFlow、PyTorch、Keras、Chainer、Caffe/2、Theano 和 CNTK，配置了 NVIDIA CUDA、cuDNN、NCCL 和 Intel MKL-DNN。
cmake - cmake 未定义对安装 Caffe2 的“pthread_create”的引用
我正在从这个 Caffe2 安装Caffe2。当我运行 cmake 命令时，出现此错误：
cmake undefined reference to `pthread_create'
我正在使用：
ubuntu 18.0.4
anconda3
cmake 3.10.0
leveldb - 如何使用 Python 获取 leveldb 数据集的大小？
是否有使用python获取leveldb数据集大小的函数或有效方法？我正在处理包含超过 400,000 个元素的大型数据集。
我正在使用 Caffe2 进行深度学习。
提前致谢。
machine-learning - 如何在 caffe2 中将 sparselengthssum 用于分类数据？
我正在尝试将分类数据转换为数值数据。caffe2 几乎没有新的运算符。我对使用 sparselenthssum 很感兴趣。但是 caffe2 文档没有示例用例。如何将备用长度和用于分类数据？
https://caffe2.ai/docs/operators-catalogue.html#sparselengthssum。
keras - 如何将 caffe 层转换为 keras 层？
我在 caffe prototxt 文件中找到了以下层：
如何将它们转换为 keras 图层？欢迎任何提示。谢谢
python-3.x - 如何使用 Anaconda Python 3.6 安装 Caffe2
根据 Caffe2 的网站， Python 3 对 Caffe2 的支持仍处于试验阶段。我想将 Caffe2 与 Anaconda Python 3.6 一起使用。在这种情况下如何成功安装 Caffe2？两者pip install caffe2都conda install caffe2失败了。在前一种情况下，我得到一个错误ModuleNotFoundError: No module named 'tools.setup_helpers'。我已经安装了pytorch，但错误仍然存在。我需要在 Windows 10 中安装 Caffe2，而且我没有任何 NVIDIA GPU。
另一个有趣的地方是，Caffe2 的 MNIST 教程是用 Python 3 编写的。因此，Caffe2 必须有 Python 3 支持才能运行本教程的代码。
machine-learning - 更快地修改损失函数 rcnn 检测器
对于我的论文，我正在尝试修改 fast-rcnn 在识别表结构方面的损失函数。
目前我正在使用 Facebooks Detectron。似乎工作得很好，但我现在正在积极尝试修改损失函数。调试我的代码我注意到这是添加损失函数的地方fast_rcnn_heads.py:75：
调试器找不到 mode.net.SmoothL1Loss 或 SoftmaxWithLoss 的任何声明或实现。Detectron 使用 caffe，当我查看 net_builder（它启动了 model.net）时，我看到它对 caffe2 进行了“绑定”（不知道正确的词），caffe2 本身就是一个 pylib，后面有一个编译的库。
我是否在错误的地方对这个损失函数进行了微调，或者我真的必须从 dcaffe 打开 de 源代码，调整损失，重新编译 lib？
问候，
python - 如何在 Windows 中构建/安装 caffe2？
我已经尝试通过克隆 pytorch 存储库并尝试从源代码构建来在 Windows 10 中设置 caffe2，因为二进制文件不适用于 Windows 平台。
但是每当我在其中运行build_windows.bat文件时pytorch/scripts，我最终都会收到错误消息
蟒蛇 - 2.7.13
CMake - 3.13.4
CUDA - 10.0
我按照这里的说明进行操作。但是在BUILD_PYTHON设置为ON.
对此的任何帮助将不胜感激。