问题标签 [pycaffe]

我为 caffe 编写了 python 层，它可以读取 hdf5 并满足我的一些操作需求。但是在 python 设置方法中打开和读取 hdf5 文件时我遇到了一些问题。这里是。当我在设置中使用带有代码的表格时：

运行网络时出现此错误：

当我使用 h5py

我有同样的错误：

当我使用 deepdish 时：

我也有错误：

但是当我只阅读 *.txt 文件时，一切正常。我也可以从控制台读取这个文件并在 caffe 的 hdf5 层中使用它。请帮助我，我如何从 python 层读取 hdf5 文件？

我有大约 100 万张图像可以一次放入这个数据集 10000 附加到集合中。

我确定 map_size 与本文中的 ref 错误

使用这条线来创建集合

每 10000 个样本使用此行将数据写入文件，其中 X 和 Y 是要放入 LMDB 的数据的占位符。

如何编辑此代码，以便将新数据添加到此 LMDB 中而不是替换，因为此当前方法将其替换在同一位置。我已经用 env.stat() 检查了生成后的长度。

我正在尝试编译并运行此处发布的片段，这基本上可以让我可视化网络内部结构（特征图）。
我已经成功编译caffe并pycaffe使用了caffe-windows分支，并且我已经将 caffe 文件夹复制到了T:\Anaconda\Lib\site-packages文件夹中。然而，当我尝试在 jupyter notebook 中运行这段代码时：

我收到以下错误：

这里有什么问题？

备注：
我正在使用Anaconda2-2.4.1-Windows-x86_64.exe

我试图计算 fast-rcnn 网络中每一层所花费的时间。我发现 caffe cmd interfacecaffe time可以做到。但是fast-rcnn是基于python代码的，python界面有什么函数可以帮我计算时间吗？

我有 200 个具有 6000 个特征的训练数据，标签是 (0, +1) 已转换为HDF5格式。（就像那样，我有 77 个测试数据）。

我正在绘制统计数据，例如迭代的准确性。我为此使用 parse_log 和 gnuplot。现在我的问题是我需要测试集和训练集的准确性。换句话说，我希望 TEST 阶段将应用于两个数据库，因此给我两个准确度数字，以了解这两个曲线如何演变。我accuracy layer的

train_val.prototxt

是：

我在solver.prototxt中是：

训练和测试的准确性是：

(test_accuracy)

训练精度为：

我想知道为什么训练精度在迭代中没有变化（在训练阶段）。

我用 GoogLeNet 训练了一个 caffemodel。在测试期间，我的准确率非常高：

不，我有一个看起来像这样的 python 分类器：

我通过我所有的验证数据运行分类器。准确度非常高。但是我得到了一些输入图像的一些“nan”概率值。这是什么原因？“楠”是什么意思？是“我不认识任何班级”吗？

编辑：这个问题不是重复的，因为它指的是分类而不是训练

谢谢你。

与如何从图像目录中为连体网络创建 CaffeDB 训练数据相关

如果我有N标签。我如何强制N在对比损失层之前的大小特征向量代表每个类的某种概率？还是通过连体网设计自动提供？

I am trying to understand the basics of caffe, in particular to use with python.

My understanding is that the model definition (say a given neural net architecture) must be included in the '.prototxt' file.

And that when you train the model on data using the '.prototxt', you save the weights/model parameters to a '.caffemodel' file

Also, there is a difference between the '.prototxt' file used for training (which includes learning rate and regularization parameters) and the one used for testing/deployment, which does not include them.

Questions:

1. is it correct that the '.prototxt' is the basis for training and that the '.caffemodel' is the result of training (weights), using the '.prototxt' on the training data?
2. is it correct that there is a '.prototxt' for training and one for testing, and that there are only slight differences (learning rate and regularization factors on training), but that the nn architecture (assuming you use neural nets) is the same?

Apologies for such basic questions and possibly some very incorrect assumptions, I am doing some online research and the lines above summarize my understanding to date.

想找一个caffe python数据层例子来学习。我知道 Fast-RCNN 有一个 python 数据层，但它相当复杂，因为我不熟悉对象检测。
所以我的问题是，是否有一个 python 数据层示例可以让我学习如何定义自己的数据准备过程？
例如，如何定义一个 python 数据层比 caffe 做更多的数据增强（如平移、旋转等）"ImageDataLayer"。

非常感谢你

我正在尝试使用此脚本安装 Caffe 框架：https : //gist.github.com/jetsonhacks/acf63b993b44e1fb9528 并且我收到 opencv2/core/core.hpp 错误。

在文档中，OpenCV 是可选的。但是那个错误告诉我没有。include这与OpenCV安装无关吗？