问题标签 [nvidia-digits]

I created a GoogleNet Model via Nvidia DIGITS with two classes (called positive and negative).

If I classify an image with DIGITS, it shows me a nice result like positive: 85.56% and negative: 14.44%.

If it pass that model it into pycaffe's classify.py with the same image, I get a result like array([[ 0.38978559, -0.06033826]], dtype=float32)

So, how do I read/interpret this result? How do I calculate the confidence levels (not sure if this is the right term) shown by DIGITS from the results shown by classify.py?

我正在使用数字进行图像分类任务。

我想对测试数据库进行评分并在 csv 文件中获取预测的概率。谁能告诉我应该在哪里更改数字文件？

我正在使用nvidia-digits来训练 CNN 并获得预测。然而.../classify_one.json，默认情况下返回前 5 个预测。我需要一个更大的n，例如如何修改我的请求参数以获得顶部n？

我在 DIGITS 文档中找不到任何内容。

我看过 Mac 的 caffe 安装。但我有一个问题。如果我的 Mac 没有 GPU，那么我就没有机会使用 GPU 了吗？我必须只使用CPU？或者我有机会通过 NVIDIA 网络驱动程序使用（虚拟！）GPU？

此外，我的 Mac 上可以有数字吗？当我尝试下载它时，它没有任何 Mac 下载选项，它仅适用于 Ubuntu！

我对这些问题感到非常困惑！你能把这些说清楚吗？

训练一个 5 类 GoogLenet 模型，每类大约有 800 个训练样本。我试图使用 bvlc_imagent 作为预训练模型。这些是我采取的步骤：

1. 从http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel下载 imagenet并将其放在 /home/ubuntu/models

2.

一个。将“train_val.prototxt”从此处https://github.com/BVLC/caffe/blob/master/models/bvlc_reference_caffenet/train_val.prototxt粘贴到自定义网络选项卡中，然后

湾。'#' 注释掉了“源”和“后端”行（因为它正在抱怨它们）

3. 在预训练模型文本框中粘贴了“.caffemodel”的路径。就我而言：“/home/ubuntu/models/bvlc_googlenet.caffemodel”

我收到此错误：

我已经从 github 问题等中粘贴了各种 train_val.prototext 不幸的是，没有运气，

我不确定为什么这会变得如此复杂，在旧版本的数字中，我们可以输入文件夹的路径，它对于迁移学习非常有用。

有人可以帮忙吗？

我使用 DIGIT 进行分类（我使用自适应梯度、随机梯度下降和 Nesterov 的加速梯度测试 GoogLeNet）。图像为彩色和 256*256。训练后，我使用“测试单个图像”选项并测试一个图像。结果是显示完美匹配并正确分类图像。然后我使用下载的模型在基于“ http://docs.opencv.org/trunk/d5/de7/tutorial_dnn_googlenet.html ”的OpenCV 3.1（windows 64bit，visual studio 2013，Nvidia GPU）中应用。但是，我总是得到不同的课程和错误的答案。
编辑：
我尝试cvtColor(img, img, COLOR_BGR2RGB)并没有解决问题。我还是得到了错误的结果。我尝试不同data transformations的none,image和pixel. 也不同solver type。

我找不到任何名为“sgunicorn”的模块。这是我的 NVIDIA DIGITS 4 实例的 /var/log/digits/digits.log：

这些是我的 pip 模块：

我已经尝试降级一些模块，但问题仍然存在。有什么建议么？谢谢

我想使用 VGG_ILSVRC_19_layers 作为数字预训练模型，但具有不同的数据集。我需要不同的标签文件吗？如何上传此模型并将其用于我的数据集？

对于我得到的 VGG 16 层

错误：无法从层“fc6”复制参数 0 权重；形状不匹配。源参数形状为 1 1 4096 25088 (102760448)；目标参数形状为 4096 32768 (134217728)。要从头开始学习该层的参数，而不是从保存的网络中复制，请重命名该层。

如何修改图层？

我想将预训练模型上传到 DIGITS。如果我使用 zip 文件不接受文件。zip文件里面应该有什么？如何将预训练模型实时 VGG-19 上传到 DIGITS 并将其用于不同的数据集？如何针对图像大小和原始图像不同的新数据集微调新模型？

我尝试对 DIGITS 使用预训练模型 (VGG 19)，但出现此错误。

错误：您的部署网络缺少 Softmax 层！阅读自定义网络的文档和/或查看标准网络的示例

我尝试使用只有两个类的数据集进行测试。

我读了这个，这试图修改最后一层，但我也得到了错误。如何根据新数据集修改图层？

我尝试修改最后一层，但出现错误

错误：层“softmax”在 TRAIN 阶段引用底部“fc8”，但该 blob 不包括在该阶段。请考虑使用包含指令来限制这一层的范围。