問題タブ [pycaffe]

OSX用に事前に構築されたPyCaffeはありますか? ビルド方法の説明はありますが、すべての依存関係をビルドしようとすると、多くの困難が生じると確信しています。ですから、ビルド済みの PyCaffe モジュールをどこで入手できるか知っている人がいれば幸いです。それとも、マシン上で完全にビルドする必要がありますか?

ありがとう

私は caffe を使用して、最下部にユークリッド損失レイヤーを備えた CNN をトレーニングしており、solver.prototxt ファイルは 100 回の反復ごとに表示するように構成されています。私はこのようなものを見ます、

Iteration loss と Train net loss の違いが何であるかについて混乱しています。通常、反復損失は非常に小さく (ほぼ 0)、Train の正味出力損失は少し大きくなります。誰か明確にしてくれませんか？

Caffe チュートリアル ( http://nbviewer.ipython.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb ) を読んでいると、次のステートメントに出くわしました。

基本的に、単一の画像を に割り当てるのに役立ちますnet.blobs['data'].data。

net.blobs['data'].data[...]は 4D ndarray でありtransformer...、3D ndarray を返すため、省略記号は 0 番目の軸で 3D 配列をコピーするのに役立ちます。これにより、次のように省略記号を回避するためにコードを書き直すことができるはずだと思いました。

しかし、私がそうするとき、私は得る

それでも、

正常に動作します。これは誰にとっても意味がありますか？

次のように、変数の形状とタイプを確認しました。

なぜnet.blobs['data'].data = z4問題を引き起こすのですか？

すべての重要な pycaffe コマンドのチート シートがあるかどうかを知っている人はいますか? これまでのところ、Matlab インターフェイスとターミナル + bash スクリプトを介してのみ caffe を使用していました。

ipython の使用に移行し、ipython ノートブックの例に取り組みたいと思いました。ただし、Python の caffe モジュール内にあるすべての関数の概要を把握するのは難しいと思います。（私はPythonも初めてです）。

私は Caffe フレームワークに取り組んでおり、PyCaffe インターフェイスを使用しています。IPython Notebook 00-classification.ipynbを変換して取得した Python スクリプトを使用して、ImageNet のトレーニング済みモデルによる分類をテストしています。しかし、スクリプト内のget_ipython()ステートメントで次のエラーが発生しています。

スクリプトでは、次のものをインポートしています。

誰かがこのエラーを解決するのを手伝ってくれますか?

上の画像データセットで使用finetuningしています。を使用すると、、、、、 が減少し、反復が開始されます。これは非常に優れています。CaffeTesla K40batch size=47solver_type=SGDbase_lr=0.001lr_policy="step"momentum=0.9gamma=0.1training losstest accuracy2%-50%100

RMSPROP、 、などの他のオプティマイザを使用するADAMとADADELTA、はほぼ同じままで、反復後training lossも改善されません。test accuracy1000

については、ここでRMSPROP述べたようにそれぞれのパラメータを変更しました。

については、ここでADAM述べたようにそれぞれのパラメータを変更しました

については、ここでADADELTA述べたようにそれぞれのパラメータを変更しました

誰かが私が間違っていることを教えてもらえますか?

kソフトマックス出力からソートトップ予測を計算するために synset を使用します。

これにより、上位5つのクラス名が得られます。しかし、その割合を計算する方法を知りたいです。つまり、上位 5% の誤差です。

誰でも親切に私を案内してもらえますか。ありがとう。

複数カテゴリの分類を実行するいくつかの方法について、Caffeinated の説明を編集できるのではないかと考えました。

マルチカテゴリ分類とは、複数のモデル出力カテゴリの表現を含む入力データ、および/または単に複数のモデル出力カテゴリに分類可能な入力データを意味します。

たとえば、猫と犬を含む画像は、(理想的には) 猫と犬の両方の予測カテゴリに対して ~1 を出力し、その他すべてに対して ~0 を出力します。

1. このペーパー、この古くて閉じられた PR、およびこのオープンな PRに基づくと、caffe はラベルを完全に受け入れることができるようです。これは正しいです？

2. このようなネットワークの構築には、この論文の 13 ページにあるように、複数のニューロン (内積 -> relu -> 内積) とソフトマックス層を使用する必要があります。または、Caffe の ip & softmax は現在、複数のラベル ディメンションをサポートしていますか?

3. ラベルをネットワークに渡すとき、どちらの例が正しいアプローチを示していますか (両方ではない場合)?:

   例: りんごを食べる猫注: Python 構文ですが、c++ ソースを使用しています。

   列 0 - クラスは入力です。列 1 - クラスが入力されていません

   また

   列 0 - クラスは入力にある

   /li>

何か不明な点があればお知らせください。私が尋ねようとしている質問の絵の例を生成します。

ここでは Caffe の例に従って、ConvNet から畳み込みカーネルをプロットしています。以下にカーネルの画像を添付しましたが、例のカーネルとはまったく異なります。私は例に正確に従っていますが、問題が何であるか知っている人はいますか?

私のネットは一連のシミュレートされた画像 (2 つのクラス) でトレーニングされており、ネットのパフォーマンスはかなり良好で、約 80% のテスト精度です。