問題タブ [caffe]

Caffeを使ってCNNを運用しています。しかし、システムは強制終了されました。私はこれまでにカフェモデルを持っています。

現在の caffemodel を使用して、これから学習を再開できますか?

ありがとう、

画像内のオブジェクトを識別し、結果としてその名前を付けることができる Android アプリを作成しようとしています。これには caffe-library を使用できることはわかっていますが、 ./build.py を実行するとエラーが発生します。

指図 ：

エラー ：

RHEL マシンで Caffe をコンパイルしようとすると、次のエラーが発生します。次のリンクの指示に従いました: http://caffe.berkeleyvision.org/installation.htmlしかし、動作しているようには見えません。助けはありますか？ありがとう

非常に単純な CNN 構造を使用して非画像データを分類するために Caffe を使用しています。次元 nx 1 x 156 x 12 の HDF5 データでネットワークをトレーニングするのに問題はありませんでした。しかし、新しいデータを分類するのに苦労しています。

前処理なしで単純なフォワードパスを行うにはどうすればよいですか? 私のデータは正規化されており、Caffe の正しい次元を持っています (ネットのトレーニングに既に使用されています)。以下は私のコードと CNN 構造です。

編集:問題を pycaffe.py の関数 '_Net_forward' に分離し、self.input dict が空であるために問題が発生することを発見しました。その理由を説明できる人はいますか？セットは、新しいテスト データから得られるセットと等しいと想定されます。

データをデータに変換するために IO メソッドを使用するようになったため、コードが少し変更されました (以下を参照)。このようにして、kwargs 変数に正しいデータを入力しました。

小さなヒントでも大歓迎です！

CNN 原文

私はカフェの概念について少し迷っています。

たとえば、ラベルなしで大量の画像をフィードすることによる、教師なしの特徴抽出のためですか?

それとも、入力が特定の固定特徴次元の値のセットである場合、それは分類子ですか?

Caffe フレームワークに matlab ラッパーを使用している人はいますか? 画像から 4096 次元の特徴ベクトルを抽出する方法はありますか? もうフォローしてた

https://github.com/BVLC/caffe/issues/432

また、github の別のフォーラムで提案されているように、imagenet_deploy.prototxt の最後の行を削除してレイヤーを削除しようとしました。

しかし、「matcaffe_demo(im, 1)」を実行すると、スコアの 1000 次元ベクトルしか取得できません (イメージ ネット クラスの場合)。よろしくお願いします

必要なすべてのライブラリをリンクし、caffee confige はスムーズに実行されました。しかし、ライブラリを作成しようとすると、次のエラーが発生します。

/usr/bin/ld: /usr/local/lib/libgflags.a(gflags.cc.o): `std::basic_string, std::allocator >::_Rep::_S_empty_rep_storage' に対する再配置 R_X86_64_32S は使用できません共有オブジェクトを作成するとき。-fPIC で再コンパイル /usr/local/lib/libgflags.a: シンボルを読み取れませんでした: 値が正しくありません

libgflags および glog のトラブルシューティング Web サイトで、この問題の「回避策」を見つけました: https://code.google.com/p/google-glog/issues/detail?id=201

しかし、私はそれらを試しましたが、うまくいかないようです。何か不足していますか？元の Makefile.config ファイルの行のコメントを外していないのでしょうか? *現在、CUDA や並列コンピューティングを使用していないラップトップに caffe をインストールしています。

Caffe を使用した CNN に基づく 1 次元信号分類 (音声信号など) の簡単で直接的な例を探しています。

Caffe Web サイトから、画像分類タスクであるいくつかの例とチュートリアルに従うことができます。代わりに、1 次元信号の例とチュートリアルを探しています。

あなたの答えは本当に感謝しています。