问题标签 [matcaffe]

我正在将一组图像和一组地面实况图像转换为 LMDB 数据库。目的是逐像素预测。大部分用于从 RGB 图像创建 LMDB 的代码都有一行表示按CxHxW顺序转置，如下所示：

我的图像数据（训练数据和相应的地面实况图像）是灰度的（即单通道）。我的问题是，这条线的目的是什么，我应该为我的single channel图像和基本事实做这个矩阵转置还是没有必要？

感谢您的帮助。

I am trying to generate the mean image from training data in caffe. My data is 256x256 grayscale images. I created lmdb by using create_imagenet.sh by replecing --shuffle with --gray.

I edited create_imagenet.sh as follows:

But I am still getting error while creating mean image.

Here is the error:

Does anyone have any suggestion to tackle this error?

Your help is really appreciated.

当我尝试对自己的数据FCN32进行语义分割训练时，出现此错误：

我没有包括以前图层的创建。但似乎net成功创建了先前的图层，并且达到了Creating Layer upscore_sign，错误来了。我更改solver如下：

我将输出数量从 60 更改为 5（基于我的数据中的类数）：convolution_param {num_output: 5 }

有人可以就此提出任何解决方案或想法吗？我错误地设置/更改了什么？什么/我的错误在哪里？

感谢您的帮助。

net我对根据我们自己的数据更改在 caffe 中训练 a 的参数感到困惑。

• 在我们自己的数据上训练网络我们应该更关注哪一层网络？例如，基于类数的输出数。

我尝试训练 FCN32 进行语义分割。我将输出数更改为Deconvolution layer (i.e.,upscore_sign)数据中的类数，但它给出了错误。

• 我们在不同的卷积层有不同的输出。如何检测彼此不同的输出以及应该更改哪个输出？
• deploy.prototxt 下一个问题是和之间有什么区别train_val.prototxt。
• 而deploy.prototxt的应用是什么？deploy.prototxt我应该根据 train_val.prototxt更改图层吗？

如果有人知道，我真的很感激，请分享您的知识。

谢谢

当我尝试在 ubuntu 中安装 matcaffe 时出现上述错误。我切换到 caffe 根目录，并运行以下命令：

我的matlab版本是2011a。

运行后make mattest，出现上面的错误。

我应该怎么做才能解决这个问题？

我按照此处的说明为类创建权重矩阵并添加 Infogainloss 函数，该函数能够处理我的不平衡数据。最后几层

并编辑/添加了此链接中包含的文件。但是，在网络中创建图层时会出错：

1. 我该如何解决这个错误？这个错误从何而来？

2. 这个参数到底在做什么？

   softmax_param { axis: 1 } # compute prob along 2nd axis

如果有人可以发表任何建议，我将不胜感激。谢谢。

现在我在 FCN32 上研究单通道图像的语义分割已经有很长一段时间了（差不多两个月）。我尝试了不同的学习率，甚至添加了BatchNormalization层。但是，我什至没有看到任何输出。除了立即在这里寻求帮助之外，我别无选择。我真的不知道我做错了什么。

我将一个图像作为一批发送到网络。这是训练损失曲线LR=1e-9和lr_policy="fixed"：

我将学习率提高到1e-4（下图）。似乎损失正在下降，但是学习曲线并不正常。

我将原始FCN的层数减少如下：（1）Conv64 – ReLU – Conv64 – ReLU – MaxPool

(2) Conv128 – ReLU – Conv128 – ReLU – MaxPool

(3) Conv256 – ReLU – Conv256 – ReLU – MaxPool

(4) Conv4096 – ReLU – Dropout0.5

(5) Conv4096 – ReLU – Dropout0.5

(6) 转换2

(7) Deconv32x – 裁剪

(8) SoftmaxWithLoss

这是求解器定义：

一开始，损失开始下降，但经过一些迭代后，它又没有表现出良好的学习行为：

我是深度学习和caffe. 我真的不明白为什么会这样。如果有专业知识的人，我真的很感激，请看一下模型定义，如果你能帮助我，我将非常感激。

After I added xavier initialization to every convolution layer, the loss starts becoming negative. Could someone give any suggestion/reason? I added the following lines to all convolutional layers:

My another question is that in some networks, Gaussian is added. Like:

1. Why are we adding these parameters to convolutional layer? Is it because we are training the network from the scratch?

2. How are a specific value assigned to std and/or the bias_filler value?

I really appreciate your help.

我从头开始用我的数据训练 FCN32，不幸的是我得到了一个黑色图像作为输出。这是损失曲线。 我不确定这个训练损失曲线是否正常，或者我是否做错了什么。

我非常感谢专家对此的想法。和

1. 为什么输出是黑色图像？
2. 网络是否过拟合？
3. 我应该将层中的lr_mult值从 任何其他值更改吗？非常感谢Deconvolution0

已编辑： 我将图层中的lr_mult值从 to更改 为以下显示：Deconvolution03solver

我得到了以下火车损失曲线，我又得到了黑色图像。我不知道错误是什么以及为什么会这样，有人可以分享一些想法吗？谢谢

当我们将一张图像发送到 FCN 进行语义分割时，mini-batch 的概念是什么？

数据层中的默认值为batch_size: 1. 这意味着每次向前和向后传递，都会将一张图像发送到网络。那么小批量的大小是多少？它是图像中的像素数吗？

另一个问题是，如果我们将少量图像一起发送到网络会怎样？会不会影响收敛？在一些论文中，我看到了20图像的数量。

谢谢