问题标签 [caffe]

我一直在尝试在我的 MAC OS 10.10 上安装 caffe 深度学习框架，但是在这个过程中需要执行一个命令。

我安装了 boost library version 1.55.0 ，但它仍然给出了这个错误。

同样在此命令中：make pycaffe

我收到此错误：
fatal error: 'boost/shared_ptr.hpp' file not found #include <boost/shared_ptr.hpp> ^ 1 error generated. make: *** [.build_release/src/caffe/layers/absval_layer.cuo] Error 1

我哪里错了？

是否需要设置环境变量才能运行此命令。

还，

更改自制配方是什么意思？

我是python的新手。在将这个发布到堆栈溢出之前，我尝试了很多来确定我们的这个错误，但是已经快一周了，我无法克服。如果可能，在 mac 10.10 上安装 caffe 的一些分步指南会有所帮助。

提前非常感谢。

按照caffe安装中的所有步骤后，我发现这个错误：

可以做什么。我尝试了所有可能的情况，重新安装并在 githun 中查找问题。

提前谢谢。

我正在从事一个涉及 OCR 手写数字的项目，该项目使用典型的预处理-分割-识别管道。我通过OpenCV针对我的特定任务调整一些标准算法手动完成了前两个阶段。对于第三阶段（识别），我想使用现成的分类器。

首先我尝试了 Tesseract，但它真的很糟糕。所以我开始调查MNIST. 由于它很受欢迎，我希望很容易获得一个好的高质量分类器。实际上，这里的最佳答案建议使用HOG+SVM串联，这在此OpenCV示例中很方便地实现。不幸的是，它没有我希望的那么好。它一直在混淆0's for 8's （我的眼睛很明显它实际上是 a 0），这是迄今为止我的算法所犯错误最多的原因。

以下是一些错误示例HOG+SVM：

最上面一行是从图像中提取的原始数字（不存在更高分辨率的图像），中间一行是这些经过去偏斜、尺寸归一化和居中的数字，下面一行是HOG+SVM.

我尝试通过在之后应用分类器来热修复此0-8错误（如果输出运行并返回其输出），但结果是相同的。kNNHOG+SVMHOG+SVM8kNN

然后我尝试调整这个pylearn2声称达到 0.45%MNIST测试误差的样本。然而，在花了一个星期的时间后，pylearn2我无法让它工作。它一直在随机崩溃，即使在像运行此图像Amazon EC2 g2.2xlarge的实例一样无菌的环境中（我什至没有提到我自己的机器）。

我知道 的存在Caffe，但我没有尝试过。

设置高精度（例如，MNIST 测试误差 <1%）手写数字分类器的最简单方法是什么？最好是不需要NVIDIA卡即可运行的。据我了解，pylearn2（因为它严重依赖cuda-convnet）确实如此。Python界面和运行能力将是一个Windows令人愉快的奖励。

注意：我无法创建新pylearn2标签，因为我没有足够的声誉，但它肯定应该在那里。

我正在使用 caffe，我一直在尝试使用 HDF5 数据训练 caffenet 模型，我使用了来自 ~/../caffe/examples/hdf5_classification 的 prototxt 文件。但我收到以下错误

PS：我是python编程的新手

有人可以帮我解决这个问题.....干杯

我一直在尝试在我的 mac OSX 10.9.5 上安装 caffe。我一直在关注来自 http://caffe.berkeleyvision.org/installation.html#compilation的官方 caffe 安装。

当我在构建文件夹中关注 cmake 安装的“make all”时，我不断收到以下链接错误。我一直在尝试我在网上找到的许多可能的建议，但无济于事。

任何建议表示赞赏。先感谢您。

完整的错误日志位于https://github.com/jackywang529/myOpenCV/blob/master/OpenCV/OpenCVTutorial2/errorLog

谢谢

我正在使用https://github.com/BVLC/caffe/wiki/Ubuntu-14.04-VirtualBox-VM作为灵感，在安装了 CUDA（无驱动程序）的 Ubuntu 14.04 虚拟服务器上安装 Caffe。在安装过程中，我"CPU_ONLY := 1"在构建之前编辑了 MakeFile 以包含它。但是，Caffe 似乎仍在尝试利用 GPU。当我尝试运行测试示例时，出现以下错误：

我怎样才能解决这个问题并完全在 CPU 上运行？

为什么最后两行复制数据？GPU和CPU不是都有最新的内容吗？

http://caffe.berkeleyvision.org/tutorial/net_layer_blob.html

目前我正在关注caffe imagenet 示例，但将其应用于我自己的训练数据集。我的数据集大约有 2000 个类，每个类大约 10 ~ 50 张图像。实际上我是在对车辆图像进行分类并且图像被裁剪到前面，所以每个类中的图像具有相同的大小，相同的视角（几乎）。

我已经尝试过 imagenet 架构，但看起来效果不佳，经过大约 3000 次迭代后，精度降至 0。所以我想知道是否有关于如何调整架构的实用指南？

我前段时间在服务器上安装了 caffe，当时它工作正常。

现在我再次关注 LeNet MNIST 教程（http://caffe.berkeleyvision.org/gathered/examples/mnist.html），并运行

返回

我注意到liibglog.so.0 不在/lib 中，这可能是它的原因，但我不允许将该文件复制到/lib 目录中，因为我不是root 用户。

有解决方法吗？

我按照这些说明安装和构建 Caffe 及其依赖项。我构建了 Boost 并在最后得到了这个：

当我make all在 caffe 目录中运行时，我得到了这个：

我需要修改什么才能找到包含（和 lib）文件？特定的环境变量？caffe 的 Makefile 中的设置？还有什么？