问题标签 [pycaffe]

我正在尝试使用 caffe 为图像实现像素级二进制分类。对于每个尺寸为 3x256x256 的图像，我有一个 256x256 标签数组，其中每个条目都标记为 0 或 1。此外，当我使用以下代码读取我的 HDF5 文件时，

我得到的数据和标签维度为

我正在尝试将此数据输入给定的 hdf5 分类网络，并且在训练时，我有以下输出（使用默认求解器，但在 GPU 模式下）。

给

基本上错误是

我无法理解为什么预期的标签数量与我的批量大小相同。我应该如何解决这个问题？这是我的标签方法有问题吗？

我以本教程为例来构建我的 caffe 自定义训练功能。在第 15 节有以下代码：

在第 8 行有一个ndarray（输出），这段代码的含义是什么，它是什么意思。是什么意思(niter, 8, 10)。为什么niter，为什么是 8，为什么是 10？我应该根据自己的数据集更改此数组吗？如果是，我应该使用什么尺寸？有人可以解释一下吗？

您好我正在尝试在 Windows 中安装 caffe 深度学习工具箱。

我必须在 python 中使用它。到目前为止，我已经完成了中提到的前 2 个步骤https://github.com/happynear/caffe-windows

对于 python 包装器，它说 replace the python include and library path and compile.. 我不知道在 vs studio 2015 中在哪里设置 python 包含和库路径。

我也在MainBuilder.sln文件build_cpu_only夹中运行。它给出了错误cannot find config.lib。我正在尝试在 Windows 中安装 caffe for python 几个小时。请帮忙。非常感谢在 Windows 上安装 caffe 并在 python 中使用它的逐步简单过程。

我查看了 Lenet 的 Python示例，发现运行整个 MNIST 测试数据集所需的迭代次数是硬编码的。但是，这个值可以不被硬编码吗？如何在python中获取网络指向的数据集的样本数？

我正在使用 py_faster_rcnn 为一类（“人”）训练系统。最初，它给了我一个类似于这篇文章 How to train new fast-rcnn imageset的断言错误

所以我对我的 imdb.py 文件进行了以下更改：

经过上述更改后，我收到了这个新错误。有没有人遇到过这个错误或者我做错了什么？

我正在尝试运行BVLC/caffe模型（仅限 CPU）。我已经完成了所有安装。当我运行以下命令运行时：

python python/classify.py examples/images/cat.jpg foo

然后它给出以下输出：

以上输出对于任何图像都是相同的。

分类.py 文件：

我想问一下是否可以将一层中的一些权重设置为特定数量或零预训练模型。

例如，我想下载 Lecun 模型并在最后一层设置一些权重为数字 ex4并计算准确度。

我怎样才能做到这一点？

有没有一种简单的方法（例如，不修改caffe代码）将 wights 从多个预训练网络加载到一个网络中？该网络包含一些与两个预训练网络具有相同维度和名称的层。

我正在尝试使用 NVidia DIGITS 和 Caffe 来实现这一目标。

编辑：我认为不可能直接从 DIGITS 执行此操作，正如答案所证实的那样。谁能建议一种简单的方法来修改 DIGITS 代码以便能够选择多个预训练网络？我检查了一下代码，并认为培训脚本是一个很好的起点，但我对 Caffe 没有深入的了解，所以我不确定实现这一目标的最佳/最快方法是什么.

我一直在搜索网络和 caffe 源代码，但没有任何解决方案可言，但是在自定义应用程序神经网络中，我在 python 中构建了一些自定义层。前向传递和后向传递在功能上运行良好，我可以在我的设置例程中创建自定义权重参数，但我可能无法让 caffe 为我的层设置“官方”权重。这当然会允许更好的快照、更容易的求解器实现等。

知道我在这里缺少什么吗？

[编辑：下面显示的层代码。为简洁起见，删除了一些内容。该层的目的是为卷积层的扁平化激活过滤器添加颜色]

我在 caffe 中创建了一个"Python"图层，并在网络中使用它我这样插入图层："myLayer"train_val.prototxt

现在，我的层只参与TRAIN网络的 ing 阶段，
我怎么知道我层的setup功能？

PS，我也在“Caffe Users”谷歌组
上发布了这个问题。如果有任何弹出，我会更新。