- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我使用以下Python脚本创建了HDF5数据并放置了HDF5数据层。然而,当我尝试使用这些数据训练 caffe 时,它一直在提示
Check failed: num_spatial_axes_ == 2 (0 vs. 2) kernel_h & kernel_w can only be used for 2D convolution
这是我的数据的样子:
数据 (1x3253)、标签 (1x128) 二进制。我将 128 切成 16 个字节,并将其转换为 dec 以将其用作多标签。因此,典型的 key 看起来像 (20, 38, 123, 345,...) 1x16。我有 1,000,000 个数据,如 (1)。现在我只使用第一个字节,因此我将有一个整数作为标签。
DIR ="/x/"
h5_fn= os.path.join('/x/h5Data_train.h5')
from numpy import genfromtxt
dim=64000
InputData=np.arange(3253)
data=np.arange(dim*3253)
data.shape=(dim,3253)
fileList=[os.path.join(i) for folder, subdir,files in os.walk(DIR) for i in files]
for i in range(0,len(fileList)):
InputData=np.genfromtxt(DIR+fileList[i], delimiter=',',skip_header=24)
data[i]=InputData
label=np.arange(dim)
labelData=np.genfromtxt(DIR+'label_file',comments='\t',dtype=None)
for i in range(0,dim):
label[i]=int(labelData[i][0:2],16)
print "Creating HDF5..."
with h5py.File(h5_fn,'w') as f:
f['InputData']=data
f['label']=label
text_fn=os.path.join('/x/hdf5.txt')
with open(text_fn,'w') as f:
f.write('h5_fn')
此脚本创建 HDF5,但我怀疑 caffe 中的错误与我创建 HDF5 文件的方式有关。有人可以告诉我我创建 HDF5 的方式是否有任何问题吗?另外,有没有人可以检查创建的 HDF5 文件是否符合您的要求?谢谢!
最佳答案
默认情况下,Caffe 期望其数据为 4D:batch_size -by-channel -by-height -by- width。
在你的model您假设每个样本的形状为 1×1×3253,即:您的数据是一维的,仅具有非单一宽度维度。这是一个重要的细节,因为您沿着宽度维度应用卷积。
另一方面,您的 HDF5 数据只是 2D,caffe 将其解释为宽度和高度为 1 的 3253 个 channel 的 dim
示例。
现在您可以理解收到的错误消息:您有一个带有 kernel_width
和 kernel_height
参数的卷积层,但数据(就 caffe 理解而言)具有宽度和高度共 1 个。
您只需 reshape
您的数据
:
data.shape=(dim,1,1,3253)
现在 data
每个样本有 1 个 channel ,高度为 1,宽度为 3253。
附注,
您正在向 '/x/hdf5.txt'
写入实际的字符串 'h5_fn'
,而不是变量 中存储的字符串h5_fn
...
关于python - 为 caffe 创建多标签 HDF5 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39903197/
// Assuming that data are on the CPU initially, and we have a blob. const Dtype* foo; Dtype* bar;
我计划使用 NYU depth v2 数据集实现一个 CNN,它可以从单个图像估计深度。通过本教程,我了解到在 Caffe 上实现处理分类问题的 CNN 很容易。我很好奇 Caffe 是否适合涉及多维
我用图像训练了一个模型。现在想将 fc-6 功能提取到 .npy 文件中。我正在使用 caffe.set_mode_gpu() 运行 caffe.Classifier 并提取特征。 而不是每帧提取和保
我通过 apt install 命令在我的 Ubuntu v18 VM 上安装了 caffe-cpu。我正在努力找出安装目录所在的位置,如果我错了请纠正我,但我相信没有安装目录。我尝试执行的 NN 模
这个问题在这里已经有了答案: how to calculate a net's FLOPs in CNN [closed] (4 个回答) 4年前关闭。 我在tensorflow tutorial看到
似乎this related PR现在已经死了,有没有解决方法可以使用 early stopping在咖啡厅?也许在 Caffe 之上使用 Python? 最佳答案 第一部分很容易手动完成:让我们监控
当我尝试在MacbookPro(El Capitan)上安装最新的caffe时,出现以下错误。怎么了?如何解决? 我在此网站上发现了一些类似的问题,不幸的是显示的修复似乎是ubuntu特有的。 先感谢
average_loss有什么用?有人可以举一个例子或用外行的术语解释吗? 最佳答案 您可以登录 caffe.proto文件。当前版本中的第 151 行对 average_loss 给出了以下注释:
我想先分别处理不同类型的数据,然后将它们融合到一个公共(public)层中。这在 Caffe 中是否可行,如果可以,最好的方法是什么? 我读过可以在同一个 prototxt 文件中定义多个数据层。但是
我正在尝试将几个底部 Blob 合并为一个顶部 Blob ,然后将其馈送到下一层。 这些 Blob 来自不同的卷积/FC层,因此它们的形状不同。 我尝试了 concat 层,但使用轴 0 或 1 时,
包 Digits 需要使用 Caffe 安装目录的位置设置环境变量。 安装Caffe的简单方法是apt-get install caffe-cuda .但是,我无法弄清楚它的安装位置。没有安装在hom
我在 Caffe 中训练过 imagenet。现在我正在尝试为我的模型和 caffe 提供的训练模型计算 ROC/AUC。我有两个问题: 1) ROC/AUC 主要用于二进制类,但我也发现在某些情况下
我正在尝试使我的 Caffe 代码适应 tensorflow。我想知道将我的 train.txt 和 test.txt 转换为适用于 tensorflow 的最佳方法是什么。 在我的 train.tx
有没有办法安装/运行修改后的 Caffe 项目,例如 SegNet或FCN-Berkley-Vision在 Windows 上? 有Microsoft-led project to bring Caf
我想用python设置一个caffe CNN,使用caffe.NetSpec()界面。虽然我看到我们可以把测试网放在 solver.prototxt , 我想写在model.prototxt具有不同的
我有一个预训练的 faster-rcnn caffemodel。我可以使用 net.params[pr][0].data 获取模型的权重。到目前为止,权重是 numpy float32 类型。我想将它
我正在做一个将 keras json 模型转换为 caffe prototxt 的项目 caffe 支持任意填充值 keras(在 tensorflow 之上)支持“相同”和“有效”值 对于 caff
我正在尝试让 CaffeOnSpark 在本地运行,并且我按照 CaffeOnSpark wiki 上的此过程进行操作:https://github.com/yahoo/CaffeOnSpark/wi
我通过caffe使用我自己的数据集训练了网络,现在我想用C++写一个分类代码。我的机器 (linux) 仅适用于 CPU! (我使用 GPU 在 VM 中训练网络)。 当我尝试“包含”特定的 Caff
我知道可以(以编程方式)使用 caffe.Netspec() 设计一个网络,基本上主要目的是编写它的 prototxt。 net = caffe.NetSpec() .. (define) .. wi
我是一名优秀的程序员,十分优秀!