问题标签 [nvidia-digits]

我正在尝试训练神经网络以使用 Tensorflow 和 Nvidia Digits 检测隐写图像。我加载了一个数据集，它有两个子目录——Cover Images 和 Steg Images。我认为网络必须一起处理封面/隐写图像对，以了解哪些是封面，哪些是隐写图像。我对么？

批量大小如何工作？如果我给 1 它会从两个子目录中获取一张图像并处理它们吗？还是我必须为此输入批号为2？

在每个 epoch 上洗牌数据是如何工作的？它是否平等地洗牌两个子目录？例如，1.jpg 将是两个文件夹中的第三张照片，还是两者都不同？

我在 Digits 上训练了预训练的 GoogleNet(caffe)。培训进展顺利，Digits UI 中的测试显示没有任何问题。但是当我导出模型并尝试使用 example.py 提供的数字时。出现了这个错误。

无法从图层“conv1/7x7_s2/bn”复制参数 0 权重；形状不匹配 h. 源参数形状为 1 64 1 1 (64)；目标参数形状为 64 (64)。要从 sc ratch 中学习该层的参数，而不是从保存的网络中复制，请重命名该层。

我检查了 deploy.prototxt 和 train_val.prototxt。尺寸是正确的。

有什么建议吗？

我试图在我的 Windows 机器上使用来自 nVidia 的DIGITS ，而不是自己构建它。我认为使用 Docker 更容易（开始改变主意）。

我的理解是，Windows 上的 Docker 基本上是使用 Linux VM 来实际运行 Docker。所以，主机 Windows 上的 Docker 接口只是与安装在 Linux VM 上的 Docker 进行交互，然后它将托管一个来宾 Linux 容器来运行 DIGITS。

当我尝试运行 DIGITS 容器时，出现以下错误：

DIGITS docker 映像需要在主机AFAIK 上安装 nVidia 驱动程序。我认为这里的错误意味着未安装驱动程序。但是，我不知道如何在 Linux 主机上安装 nVidia 驱动程序，因为那只是 Windows 上 Docker 接口使用的虚拟机。

有没有办法访问该 Linux VM 并在其上安装 nVidia 驱动程序？

我有一张有 48 个波段的图像。我使用 PCA 然后将波段数减少到 12 以表示 %99.9 数据。但 png、jpg 只能容纳 3 个波段。如何使用带有 Nvidia 数字 ( Caffe ) 的高光谱图像？

我尝试将 4 张图片与 3 个波段结合起来。但结果非常糟糕。我制作 Arff 文件并将其交给 WEKA 时没有问题。但我不知道如何在神经网络中使用高光谱图像。

将高光谱图像与神经网络（Nvidia 数字（Caffe））一起使用的最佳方法是什么？

我试图在 ubuntu 14.04 上安装 NVIDIA DIGITS

我按照这个网站安装了所有先决条件：https ://github.com/NVIDIA/DIGITS/blob/master/docs/BuildDigits.md 我无法设置服务器

命令：./digits-devserver 返回：

第一部分

第二部分

请告诉我如何解决这个属性错误（AttributeError：'module'对象没有属性'nanprod'）

我是 Digits 和 TX2 的新手。我正在尝试使用以下教程创建对象检测模型：https ://github.com/dusty-nv/jetson-inference

我成功创建了数据集。问题出在模型上

在创建模型时，我收到以下错误。

左边的作业目录信息为：

服务器上的错误是

我不知道如何释放内存，因为我在作业目录中有超过 2 GB 的可用空间。请帮我。提前致谢。

我使用 NVIDIA DIGITS 来训练图像分类器。训练图像为 JPG 格式。DIGITS 使用 Pillow 加载图像。

我注意到，在推理时，如果 JPG 图像是用 OpenCV 而不是 Pillow 加载的，那么在准确度上会存在相关差异。我认为这与不同的JPEG解码有关。现在，由于我的分类器将用于实时应用程序，其中使用 openCV 从网络摄像头捕获图像，我想知道这种差异是否是一个问题，如果是，我该如何克服它。

编辑：我知道 Pillow 使用 RGB 格式而 OpenCV 使用 BGR 格式，但区别与此无关，因为我在进行比较之前转换了图像。该网络在 BGR 图像上进行了训练。

我已经使用 Nvidia 的 DIGITS 构建了一个模型，但是当我尝试使用 caffe 运行它时，我不知道权重在哪里。任何想法我会如何找到这个。我有架构，因为它是在输出模型屏幕上提供的。

我目前正在尝试使用 Nvidia DIGITS 在自定义数据集上训练 CNN 以进行对象检测，最终我想在 Nvidia Jetson TX2 上运行该网络。我按照推荐的说明从 Docker 下载了 DIGITS 映像，并且能够以合理的准确度成功训练网络。但是当我尝试使用 OpenCv 在 python 中运行我的网络时，我得到了这个错误，

“错误：(-215) pbBlob.raw_data_type() == caffe::FLOAT16 in function blobFromProto”

我在其他一些线程中读到，这是因为 DIGITS 以与 OpenCv 的 DNN 功能不兼容的形式存储其网络。

在训练我的网络之前，我尝试在 DIGITS 中选择应该使网络与其他软件兼容的选项，但这似乎根本没有改变网络，并且在运行我的 python 脚本时出现同样的错误。这是我运行的创建错误的脚本（它来自本教程https://www.pyimagesearch.com/2017/09/11/object-detection-with-deep-learning-and-opencv/）

这应该输出在脚本调用中指定的图像，神经网络的输出绘制在图像的顶部。但相反，脚本因前面提到的错误而崩溃。我见过其他人也有同样的错误，但到目前为止，他们都没有找到适用于当前版本 DIGITS 的解决方案。

我的完整设置如下：

操作系统：Ubuntu 16.04

Nvidia DIGITS Docker 镜像版本：19.01-caffe

数字版本：6.1.1

咖啡版本：0.17.2

咖啡口味：英伟达

OpenCV 版本：4.0.0

Python版本：3.5

任何帮助深表感谢。

我使用标准代码下载 MNIST_Fashion 数据集并运行 CNN，使用 Tensorflow 2 (2.3.1) 和 Keras (2.4.0)。该代码在没有 GPU 的普通笔记本电脑上运行良好。但是，在配备 NVIDIA RTX 2080 Max-Q 的笔记本电脑上，我收到错误消息：“没有算法有效！”。

Duo，您对如何在带 GPU 的笔记本电脑上运行代码有什么建议吗？

我使用的代码：