问题标签 [caffe]

我尝试使用我自己的图像数据库来训练我自己的神经网络，如

http://caffe.berkeleyvision.org/gathered/examples/imagenet.html

但是，当我想在使用 matlab 包装器对一些标准图像进行训练后检查神经网络时，我得到以下输出/错误：

我之前使用 matlab 包装器来提取基于预训练模型的 cnn 特征。有效。所以我不认为我的图像的输入大小是问题（它们通过函数“prepare_image”在内部转换为正确的大小）。

有谁知道可能是什么错误？

我正在将图像插入到 Decaf 中，并希望从第 6、7、8 层中提取特征。第 6 和第 7 应该是 4096 维，第 8 应该是 1000。

我假设生成的输出函数类似于列表，并且希望将每个元素记录在单独的文本文件中，如下所示：

f8 文件正确有 1000 个文件，但 f6 和 f7 文本文件有如下内容：

中间的点字面意思就是这样。所有的数字怎么了？这些点是否意味着什么？某种删节？这与 decaf 或 python 有关吗？

我使用此链接在安装了 CUDA（无驱动程序）的 Ubuntu 14.04 虚拟服务器上安装了 Caffe 。

分类步骤：

产生回溯。

我按照 user2696499 在此 SO 线程中描述的步骤进行操作，但是未定义
变量。ins如何或在哪里定义它？

我只是想了解如何使用Caffe。为此，我只是查看.prototxt了示例文件夹中的不同文件。有一个选项我不明白：

可能的值似乎是：

• "fixed"
• "inv"
• "step"
• "multistep"
• "stepearly"
• "poly"

有人可以解释这些选项吗？

我已经能够安装 Caffe，但我遇到了很多问题，那是因为我没有很好地遵循说明。

我有一个 Mac OSx，我正在阅读 OSx 安装指南。

在这一点上：

当我输入时，hdf5 opencv我得到：

“hdf5：找不到命令”

我尝试安装hdf5，Homebrew但MacPorts我仍然得到：

“hdf5：找不到命令”

有没有人有任何线索？

非常感谢。

根据@mattias 的回答，我的二进制文件/usr/local/hdf5是：

我正在尝试在 Ubuntu 14.04 上启用 cuDNN-6.5-R1 来编译 Caffe。CUDA 版本是 7.0。

我复制了 /usr/local/cuda/include 中的 cudnn.h 头文件和 /usr/local/cuda/lib64 中的 cudnn 库，然后是“sudo ldconfig”，当我执行“make all”时，我得到以下信息错误：

我查看了其他与我有同样问题的人的帖子，但他们都使用 R2，而不是 R1。

我需要（在应用程序中）使用针对多个 CPU 或 GPU 进行了高度优化的极限学习机（ELM）。由于 ELM 主要计算涉及 Moore-Penrose 伪逆和矩阵乘法，在 Theano 和 Caffe 中实现 ELM 的最佳选择是什么？

其次，是否可以使用其 python 接口在 Caffe 中实现新的学习算法（ELM）？

我正在尝试在调试模式、VS2013 社区、x64 中构建使用 caffe 的 C++ 应用程序。为了能够构建不需要 cuda 运行的版本，我添加到包装的每个 .cu 文件中，如下所示：

该项目在 CPU_ONLY 模式下构建并运行良好。取消定义 CPU_ONLY 标志，项目在发布模式下构建并运行正常，但在调试中，尝试编译 *.cu 文件时出现以下错误：

其中 COMMAND 是下面的 nvcc 编译器调用命令，为便于阅读而换行。

在添加 CPU_ONLY 标志之前，该项目能够在调试模式下成功构建。有任何想法吗？

我最近在学习深度学习，我的朋友向我推荐了 caffe。使用 OpenBLAS 安装后，我按照文档中的教程MNIST 任务进行操作。但后来我发现它超级慢，只有一个 CPU 内核在工作。

问题是我实验室的服务器没有 GPU，所以我必须使用 CPU。

我用谷歌搜索了这个并得到了一些这样的页面。我试着export OPENBLAS_NUM_THREADS=8和export OMP_NUM_THREADS=8。但是 caffe 仍然使用一个核心。

如何让 caffe 使用多 CPU？

非常感谢。

我想将图像的像素分类为“是街道”或“不是街道”。我有一些来自KITTI 数据集的训练数据，并且我看到 Caffe 有一个IMAGE_DATA图层类型。标签以与输入图像大小相同的图像形式存在。

除了 Caffe，我解决这个问题的第一个想法是在应该分类的像素周围提供图像补丁（例如，顶部/左侧/右侧/底部 20 个像素，导致每个像素有 41×41=1681 个我想要分类的特征.
但是，如果我可以告诉 caffe 如何使用标签而不必手动创建这些图像补丁（并且图层类型IMAGE_DATA似乎表明这是可能的）我更喜欢那样。

Caffe 可以直接对图像的像素进行分类吗？这样的 prototxt 网络定义会是什么样子？如何向 Caffe 提供有关标签的信息？

我猜输入层会是这样的

但是，我不确定究竟是什么crop_size意思。真的是居中吗？caffe 是如何处理角点像素的？new_height有什么new_width好处？