问题标签 [nvidia-digits]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
build - 链接 CXX 可执行文件时出错
我只是在构建 caffe 时遇到了一个奇怪的经历。
我执行make --jobs=4并运行良好，直到达到 92%。然后，当它链接 CXX 可执行文件compute_image_mean时convert_image set，它抛出了错误extract_featurescaffe../lib/libcaffe.so.1.0.0-rc3: undefined reference to 'cudnnConvolutionBackwardData_v3'.
这里让我担心的是，我之前已经成功构建了 caffe，使用相同的安装、相同的路径、相同的设备……基本上所有内容都相同。到底发生了什么？我昨天没有碰 cudnn 并安装了 DIGITS。由于无法识别 caffe 路径，我遇到了一些安装错误（这就是我在这里并再次构建它的原因），但它对 cudnn 的要求没有问题，这证明 cudnn 没有任何问题。
除了关于如何修复它的建议之外，我想知道 caffe 是否会自动重置它的路径或类似的东西。
操作系统：Ubuntu 14.04 LTS CUDA 版本：7.5
完整输出：
谢谢
python - ImportError：没有名为 skfmm 的模块
我正在尝试在虚拟环境中安装“DIGITS”，我收到以下错误：
编辑：安装后pip install scikit-fmm。出现以下错误：
deep-learning - 为我的单通道数据集微调 fcn-alexnet 时出现错误
我正在运行 fcn-alexnet 进行语义分割，我下载了预训练模型。由于我的数据是单通道的，因此显示错误：
有人可以指导我吗？形状如下：
deep-learning - 如何在单通道图像上应用预训练的 3 通道图像模型？
我尝试使用已经在三通道彩色图像上训练过的预训练模型，但是由于形状差异，我得到了一个错误。有人可以让我知道如何解决这个问题吗？一位用户建议使用Tile图层，但我找不到任何相关文档/帮助来使用该图层或任何其他解决方案。我真的很感谢你的帮助。
caffe - 为什么 DIGITS 显示此错误：错误：检查失败：错误 == cudaSuccess (77 vs. 0) 遇到非法内存访问
DIGITS 在我的设备上运行良好，但是出现错误
我不知道如何解决这个问题。谢谢
neural-network - 错误：由多个来源生成的顶级 blob“数据”
我有六通道图像（连接 2 个 RGB 图像）。我想使用 AlexNet 用这些图像训练模型。我将图像打包到 lmdb 中。然后我使用了OTHER数据集和模型的选项，但是在创建模型时出现以下错误。
我正在使用标准的 AlexNet 架构。
lmdb 中的数据准备
我有两个来自两种不同模式的 RGB 图像。我修改了连体示例中的 createdb.py 脚本以连接两个图像。一旦我有了数据集，我就会使用标准的 AlexNet Prototext 来训练模型
deep-learning - 在 Nvidiea Digit 中对标记的图像进行分类
我有一个包含 18000 多张图像的数据集，它们被标记为 0,1 和 2。我需要在 Nvidiea 数字上训练一个模型。在制作数据集时，它要求为每个类别提供子目录（即它需要 3 个文件夹：一个用于 0，一个用于 1，一个用于 2）但我拥有的文件夹包含混合图像（它们被标记为 o、1 和 2） .
手动很难对它们进行排序。
有没有其他方法可以让我继续。
python - 将 envvar 指向安装的顶部
我正在尝试为 Nvidia Digits 安装文本分类插件，但对安装说明感到困惑
我安装了 Digits 没有问题，但是在尝试通过 Pip 添加插件时，在寻找 Digits 根目录时遇到了空白。我使用“whereis”来查找数字，但在使用该位置时，Pip 给了我一个错误，说它看起来像一个文件夹。我应该怎么做才能“指向数字安装的顶部”？
我在 Ubuntu 16.04 上。
根据说明：
安装顶级 DIGITS 包。将
$DIGITS_ROOTenvvar 指向 DIGITS 安装的顶部，然后执行以下操作：$ pip install -e $DIGITS_ROOT
安装文本分类插件：
$ pip install $DIGITS_ROOT/plugins/data/textClassification
$ pip install $DIGITS_ROOT/plugins/view/textClassification
tensorflow - 使用深度学习技术进行细胞检测
我必须分析一些使用显微镜拍摄的液滴图像，其中可能包含一些细胞。为了做到这一点，最好的办法是什么？
每次获取图像都会返回大约一千张图片：每张图片都包含一个水滴，我必须确定水滴内部是否有一个单元格。每个采集数据集都呈现出非常不同的对比度和亮度，并且由于显微镜焦点的微小变化，每个设置的细胞形状都略有不同。
我试图按照指南“TensorFlow for pots”创建一个分类模型，定义两个类：空滴和包含单元格的滴。不幸的是，结果并不成功。
我还尝试使用 DIGITS 5 标记细胞并提供对象检测算法，但它没有检测到任何东西。
我想知道这些算法是否旨在识别更复杂的对象，或者我在设置过程中是否做错了什么。任何解决方案或提示都会有所帮助！
谢谢！
