问题标签 [caffe]

我正在使用一个深度学习库 Caffe，它是用 C++ 编写的，并且有一个 Python 接口。我的一个命令会在日志中创建许多不必要的输出，我真的很想通过暂时禁用日志记录来删除它。

Caffe 使用 GLOG，我尝试使用os.environ["GLOG_minloglevel"] = "2"它只记录重要消息。然而，这并没有奏效。我还尝试使用 Python 日志记录模块使用下面的代码暂时关闭所有日志记录，但这也不起作用。

背景

昨天我构建了Caffe，它的依赖关系没有问题。

今天，由于找不到 protobuf 依赖项，我在构建 Caffe Matlab 包装器时遇到了问题。所以我重建了 Caffe:make clean后跟 a make all，希望能解决问题。

现在 Caffe 构建抱怨 protobuf 依赖。

错误输出在这个问题的底部给出。

在原始（成功）构建和失败构建之间，我需要pip install protobuf允许 Caffe python 包装器导入 protobuf，因为 python 抱怨无法找到 protobuf 包。这是 Caffe 重建失败之前涉及 protobuf 的唯一“更改”。

我曾尝试使用 brew 重新安装 protobuf，但这没有帮助。

所以基本上与 protobuf 相关的事件的年表如下：

每当找不到 protobuf 时，brew list --versions显示 protobuf (2.6.1) 已安装。

问题

有人可以解释一下为什么在明确安装时找不到protobuf吗？

尤其令人困惑的是，它最初是被发现的（在最初的成功构建期间），而现在尽管采用了相同的方法，但它却没有被发现。

这是错误输出：

我目前正在尝试使用 Caffe 训练我的第一个网络。我得到以下输出：

做什么

Attempting to upgrade input file specified using deprecated transform parameters / V1LayerParameter

意思是？我到底在哪里使用了已弃用的东西？我应该改用什么？

我正在使用 caffe (CNN) 库 ( 'bvlc_reference_caffenet.caffemodel') 中提供的预训练 imagenet 模型。我可以为使用此模型的任何图像输出 1000 个对象分数的暗淡向量。
但是我不知道实际的对象类别是什么。有人找到一个文件，其中列出了相应的对象类别吗？

我试图在测试阶段加载一个网络配置，它首先有一个内存数据层，然后是一个卷积层。MemoryData 层创建成功，但卷积层的创建在以下位置失败：

打印的错误是：

F0519 14:54:12.494139 14504 layer_factory.hpp:77] 检查失败：registry.count(t ype) == 1 (0 vs. 1) 未知层类型：卷积（已知类型：MemoryData）

注册表只有一个条目，实际上是 MemoryData。当进入注册表创建函数时，它看起来像第一个（也是最后一个，因为这是一个单音）从

在 memory_data_later.cpp 中。

我看到REGISTER_LAYER_CLASS对其他受支持层的类似调用，但看起来它们从未被调用过。我该如何解决？

谢谢！

在遵循安装说明（例如，用于 os x 的caffe）时，我遇到了homebrew--fresh的标志。例如，

但是，我没有看到关于做什么的文档--fresh，而且我在自制软件的源代码中也没有找到它。这面旗帜有什么作用？（或者它曾经做什么？）

我按照http://caffe.berkeleyvision.org/gathered/examples/mnist.html在 mnist 数据库上成功训练了我的 Caffe 网络

现在我想使用 Matlab 包装器用我自己的图像测试网络。

因此，在“matcaffe.m”中，我加载了文件“lenet.prototxt”，该文件不用于训练，但似乎适合测试。它引用 28 x 28 像素的输入大小：

因此，我相应地调整了“matcaffe.m”中的“prepare_image”函数。现在看起来像这样：

这会将输入图像转换为 [1 x 1 x 28 x 28]、4dim、灰度图像。但 Matlab 仍然在抱怨：

有人有根据自己的数据测试训练有素的 mnist 网络的经验吗？

我试着examples/classification.ipynb从BVLC/caffe工作中得到。当我通过控制台使用 Python 2.7.8 时，它可以工作。我可以import caffe并且（几秒钟后）它刚刚完成。没有错误信息。无需在sys.path.

当我启动上面提到的示例并执行第一个 Python 单元时，我得到一个错误。为了使它更简单，我添加了一个单元格，只有import caffe它给了我：

这里有什么问题？

我最终有错误的版本吗？

mpi_train.sh 有以下行：

mpiexec.hydra -prepend-rank -host node11 -n 16

在并行 caffe 中运行 examples/cifar10/mpi_train_quick.sh 时，出现以下错误：

我已经安装了 mpich-3.1.4 版本。当我执行 which mpirun, which mpiexec, which mpicc 时，我从所有这些中获取 mpich-3.1.4 文件夹的路径此外，系统同时安装了 Open-Mpi 和 MPICH-3.1.4，因为 open-mpi 自动安装在安装 opencv 时，这是并行 caffe 的先决条件。如何解决此错误？

我们需要帮助来理解用于较小训练集 (6000 jpgs) 和 val (170 jpgs) jpgs 的参数。我们的执行在迭代 0 中的测试分数 0/1 后被杀死并退出。

我们正在尝试在 caffe 网站教程上运行 imagenet 示例

我们没有使用包中的全套 ILSVRC2 图像，而是使用我们自己的 6000 个 jpeg 训练集和 170 个 jpeg 图像的 val 集。按照说明，它们是 train 和 val 目录中的每个 256 x 256 jpeg 文件。我们运行脚本来获取辅助数据：

train.txt 和 val.txt 文件设置为描述每个 jpeg 文件的两个可能类别之一。然后我们运行脚本来计算似乎运行正确的平均图像数据：

我们将教程中提供的模型定义用于 imagenet_train.prototxt 和 imagenet_val.prototxt。由于我们训练的图像要少得多，我们修改了 imagenet_solver.prototxt 如下：

当我们使用以下命令运行它时：

我们在它挂起的地方得到以下输出：