问题标签 [cudnn]

有谁知道或有一个很好的工具来标记用于训练 DNN 的图像数据？

专门标记图像中的 2 个点，例如 upperLeftCorner 和 lowerRightCorner，然后计算指定对象周围的边界框。这只是一个例子，但我希望能够遵循 MSCoco 数据格式。

谢谢！

使用 Fast/Faster-RCNN 和 Caffe 在 C++ 上制作对象检测器的最简单方法是什么？

众所周知，我们可以在 Caffe 中使用 follow RCNN（基于区域的卷积神经网络）：

• RCNN：https ://github.com/BVLC/caffe/blob/be163be0ea5befada208dbf0db29e6fa5811dc86/python/caffe/detector.py#L174

• 快速 RCNN：https ://github.com/rbgirshick/fast-rcnn/blob/master/tools/demo.py#L89

scores, boxes = im_detect(net, im, obj_proposals) 这要求def im_detect(net, im, boxes):

为此使用rbgirshick/caffe-fast-rcnn， ROIPooling-layers 和输出bbox_pred

• 更快的 RCNN：https ://github.com/rbgirshick/py-faster-rcnn/blob/master/tools/demo.py#L82

scores, boxes = im_detect(net, im) 这要求def im_detect(net, im, boxes=None):

为此使用rbgirshick/caffe-fast-rcnn， ROIPooling-layers 和输出bbox_pred

所有这些都使用 Python 和 Caffe，但是如何在 C++ 和 Caffe 上实现呢？

只有 C++ 示例用于分类（说明图像上的内容），但没有用于检测（说明图像上的内容和位置）：https ://github.com/BVLC/caffe/tree/master/examples/cpp_classification

使用 rbgirshick/caffe-fast-rcnn简单地克隆rbgirshick/py-faster-rcnn存储库是否足够，下载预先保存的模型，使用这个coco/VGG16/faster_rcnn_end2end/test.prototxt并在CaffeNet C++ 分类中做了一个小改动例子？./data/scripts/fetch_faster_rcnn_models.sh

以及如何从bbox_pred和cls_score两层获取输出数据？

我会将所有 (bbox_pred & cls_score) 放在一个数组中吗：

还是在两个数组中？

我在安装了 CUDA 7.5 并正常工作的 Ubuntu 系统上使用 Python 和 IDE Pycharm。

我刚刚将 CUDNN 文件与我的常规 CUDA 安装合并。

现在，当我从 TensorFlow 的网站运行深度卷积 nn 教程时，我收到以下错误：

F tensorflow/stream_executor/cuda/cuda_dnn.cc:383] 无法设置 cudnn 过滤器描述符：CUDNN_STATUS_BAD_PARAM

有谁知道这个问题的根源是什么？这是我的 CUDNN 安装的问题吗？（这太可怕了——我只是跑了rsync -av ./include/ /usr/local/cuda/include，rsync -av ./lib64/ /usr/local/cuda/lib64然后我重新跑了ldconfig /usr/local/cuda/lib64）......或者代码中的错字？

或者它可能来自其他地方？（或者，更好的是，有人知道解决方法吗？）

我安装的是tensorflow-0.8.0 GPU版本，tensorflow-0.8.0-cp27-none-linux_x86_64.whl。它说它需要 CUDA 工具包 7.5 和 CuDNN v4。

但是，我不小心忘记安装 CuDNN v4，但除了错误消息“无法打开 CUDA 库 libcudnn.so”外，它工作正常。但它的工作原理是“创建 TensorFlow 设备 (/gpu:0)”。

没有 CuDNN 的味精

后来，我安装了 CuDNN，但我没有看到差异。

带有 CuDNN 的消息

那么有/没有CuDNN有什么区别？

设置：

• 使用带有 Nvidia GPU 的 Amazon Linux 系统
• 我正在使用 Keras 1.0.1
• 运行 Theano v0.8.2 后端
• 使用 CUDA 和 CuDNN
• THEANO_FLAGS="设备=gpu,floatX=float32,lib.cnmem=1"

一切正常，但是当我增加批量大小以加快训练速度时，大型模型的视频内存不足。我认为迁移到 4 GPU 系统理论上会提高可用总内存或允许更小批量更快地构建，但观察 nvidia 统计数据，我可以看到默认情况下只使用一个 GPU：

我知道原始 Theano 可以显式手动使用多个 GPU。Keras 是否支持使用多个 GPU？如果是这样，它是否将其抽象化，或者您是否需要将 GPU 映射到 Theano 中的设备，并将计算显式编组到特定的 GPU？

我正在尝试安装 CUDA（将其用于 TensorFlow）。建议使用 cuDNN v.4 和 CUDA 7.5。但是在https://developer.nvidia.com/rdp/cudnn-download

CUDA 7.0 只有 cuDNN v.4，CUDA 7.5 只有 cuDNN v.5（候选版本）。我在哪里可以获得 CUDA 7.5 的 cuDNN v.4？谢谢你。

我正在针对简单问题测试 NVIDIA cuDNN 库。我正在尝试实现一些我认为很简单的事情，即进行“完整”卷积。我已经能够使用前向算法计算一个“有效”卷积而没有太多问题，但是我无法对“完整”卷积的后向算法做同样的事情。

我已经为我的输入、内核和卷积准备了张量，并尝试了：

我检查了所有 CUDA 调用的返回，我没有错误，但结果不是正确的“完整”卷积的结果。我正在将获得的结果与 matlab 的“完整”卷积进行比较。

我想这并没有达到我的预期。我应该尝试卷积BackwardFilter 算法吗？

如何使用 cudnn 执行“完整”卷积？

Cudnn 将其过滤器存储在一个数组中。我知道数组的总大小必须是num_filters_out * num_filters_in * height_filter * width_filter. 但实际上，数组是如何排序的？

是(num_filters_out, num_filters_in, height_filter, width_filter)，还是不同的排列？（我根据 的签名猜到了cudnnSetFilter4dDescriptor）

我尝试按照此处的说明进行操作，但是当我导入 tensorflow 时，我收到了此消息

我想我已经安装了 cuda，因为我将它与 caffe 和 Torch7 一起使用，即使我尝试从一开始就安装它，但我一直收到相同的消息。

顺便说一句，我发现了这个问题，但它没有帮助。

当我在 Liclipse 中导入 tensorflow 时，出现以下错误：

我已经正确安装了 tensorflow 和 cuda，并且在终端上都可以正常工作。Tensorflow 是通过 pip 安装的，我使用的是 cuda 7.5 和 cuDNN v4，我使用的是 ubuntu 14.04。cuda 样本可以像 Liclipse 之外的 tensorflow 一样完美编译和运行。

我已将 cuda 添加到我的路径和 .bashrc 中的 LD_LIBRARY_PATH 中：

我将 Liclipse python 解释器设置为：/usr/bin/python-2.7

任何帮助将非常感激。