『壹』 caffe python代碼怎麼用 gpu運行
編譯和安裝Caffe 。。。但我在編譯caffe時 輸入make all 指令時報錯 ：提示找不到hdf5.h 我網路後 http://blog.csdn.net/kexinmcu/article/details/52316986 按照這個解決了。這樣make all 成功 make test也成功 make runtest也成功。 再開始其第3步：增加python支持這步 開始我看不清 就從這里開始參考：http://www.linuxdiyf.com/linux/24836.html 編譯python時： make pycaffe報錯：找不到arrayobject.h 解決辦法：sudo apt-get install python-numpy 這樣就解決了。這樣第3步的幾條指令均成功。再開始第4步 第4.2步報錯說:pip 找不到指令 於是我在終端輸入sudo apt-get install python-pip即解決了。 接著執行4.2步 第一個ipython[all]裝時失敗了 我就先裝後面的幾個 有的成功 有的失敗 失敗的是protobuf和skimage 解決辦法是：自己
『貳』 windows caffe python 沒有
整了一晚上加一上午。網上關於python的記錄較少，這里寫一下。 這里的環境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013 使用的是GPU，我的GPU是titan16G+內存32G 首先是caffe的文件以及第三方庫的編譯，這里提供一個已經編譯好的的連接，我就是從那裡下好然後編譯完畢的。 點擊打開鏈接 happynear的 然後就是如何編譯python介面。 1、首先先生成兩個python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 這個之後有用。 2、然後打開已經給好的caffe/buildVS2013，打開裡面已經有的工程文件，正常的情況下應該是有7個工程，選中pycaffee單獨作為要編譯的項目。如圖所示： 把pycaffe作為單啟動。注意需要在release x64位下編譯。 如果沒有這個的話，就將這個文件夾里python文件夾中的項目加入即可。如果沒有python項目，就自己建一個，將python文件夾里的cpp文件加入就可以了。 3、選擇pycaffe的屬性，將配置屬性下的VC++目錄中的包含目錄和庫目錄填上你python所在的include和libs 再在C/C++的目錄下的附加包含目錄一項中添加 以我的python為例。D:/python27/Lib；D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安裝了CUDNN這里可以在預處理器那裡把USE_CUDNN加上，同時在LINKER的輸入目錄下的附加依賴庫中加入cudnn的lib文件。 3、開始編譯即可。這里要注意一定要和caffe、caffelib在一個項目里編譯，否則會報錯。 4、編譯成功後會在caffe/python/caffe下生成_caffe.pyd 是打不開的 5、配置python環境：需要幾個額外庫 Cython>=0.19.2 numpy>=1.7.1 scipy>=0.13.2 scikit-image>=0.9.3 matplotlib>=1.3.1 ipython>=3.0.0 h5py>=2.2.0 leveldb>=0.191 networkx>=1.8.1 nose>=1.3.0 pandas>=0.12.0 python-dateutil>=1.4,<2 protobuf>=2.5.0 python-gflags>=2.0 pyyaml>=3.10 Pillow>=2.3.0 six>=1.1.0 其中numpy要裝MKL版本的，不然scipy裝上了BLAS不能用 leveldb沒有windows版本的，不過我找到了可以使用的辦法。見這個博客： 點擊打開鏈接 如果有pip install 裝不上的，可以上這個網站找 wheel文件安裝就可以了 點擊打開鏈接 6、最後把目錄中python下的caffe文件夾復制到python27/Lib/site-packages就可以了。 測試的時候只需要在控制台下輸入import caffe 看能載入就知道成功了：）
『叄』 Windows+Anaconda+caffe python要怎麼配置
1、首先先生成兩個python文件，在src\caffe\proto\extract_proto.bat 里生成caffe_pb2.py 這個之後有用。
2、然後打開已經給好的caffe\buildVS2013，打開裡面已經有的工程文件，正常的情況下應該是有7個工程，選中pycaffee單獨作為要編譯的項目把pycaffe作為單啟動。注意需要在release x64位下編譯。如果沒有這個的話，就將這個文件夾里python文件夾中的項目加入即可。如果沒有python項目，就自己建一個，將python文件夾里的cpp文件加入就可以了。
3、選擇pycaffe的屬性，將配置屬性下的VC++目錄中的包含目錄和庫目錄填上你python所在的include和libs 再在C/C++的目錄下的附加包含目錄一項中添加
以我的python為例。D:\python27\Lib；D:\python\include\ 以及D:\Python27\Lib\site-packages\numpy\core\include 如果你安裝了CUDNN這里可以在預處理器那裡把USE_CUDNN加上，同時在LINKER的輸入目錄下的附加依賴庫中加入cudnn的lib文件。
4、開始編譯即可。這里要注意一定要和caffe、caffelib在一個項目里編譯，否則會報錯。
『肆』 新手試運行了一個 caffe 的 Python 代碼，出現這個錯誤是怎麼回事
import sys
import caffe
import numpy as np
import os
dir = os.path.join(
os.path.dirname(os.path.realpath(__file__)))
model_file = os.path.join(dir, 'bvlc_googlenet_iter_175750.caffemodel')
net_file = os.path.join(dir, 'deploy.prototxt')
mean_file = os.path.join(dir, 'AVA1_mean.npy')
#if you have no GPUs,set mode cpu
caffe.set_mode_gpu()
net = caffe.Net(net_file, model_file, caffe.TEST)
transformer = caffe.io.Transformer({'data':net.blobs['data'].data.shape})
#set mean file may improve the result,but isn't must be
#transformer.set_mean('data', np.load('../../python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1))
transformer.set_transpose('data',(2,0,1))
transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))
transformer.set_raw_scale('data',255)
transformer.set_channel_swap('data',(2,1,0))
net.blobs['data'].reshape(10,3,227,227)
img = caffe.io.load_image('C:/Users/gaoxi/Desktop/4.jpg')
net.blobs['data'].data[...] = transformer.preprocess('data',img)
out = net.forward()
out1 = out["prob"][0]
print "the score of the picture is:" + str(out1[0])
『伍』 在caffe里怎麼編譯python
直接看代碼啊，看caffe/python/caffe文件夾下面的py代碼，代碼中有各模塊的功能以及使用說明。如果不想受限於其提供的介面，可以自己 使用opencv的python介面處理io問題，功能更強大，主要是讀圖、預處理的操作，理解後用opencv也很容易實現。
『陸』 caffe中bn層為什麼要和scale層一起使用
1) 輸入歸一化 x_norm = (x-u)/std, 其中u和std是個累計計算的均值和方差。
2）y=alpha×x_norm + beta，對歸一化後的x進行比例縮放和位移。其中alpha和beta是通過迭代學習的。
那麼caffe中的bn層其實只做了第一件事，scale層做了第二件事，所以兩者要一起使用。
『柒』 caffe的python介面微調網路怎麼運行
1.安裝使用PyInstaller需要安裝PyWin32。下載與Python對應的PyInstaller版本， 解壓後就算安裝好了 。2.生成exe文件Python程序的目錄為 F:\hello.py在命令行 中進入pyinstaller所在的目錄，運行python pyinstaller.py F:\hello.py 在PyInstaller-2.1目錄下，生成文件夾hellohello目錄下有文件exe文件在dist目錄下如果將python文件復制到 pyinstaller.py 所在目錄下，則運行 python pyinstaller.py hello.py
『捌』 如何讓caffe同時支持python2.7和python3.4
你可以在caffe的目錄里修改Makefile.config這個文件相關參數，來配置Python3.4.Ubuntu系統允許多個版本存在。目前，版是Python 3.5，較好安裝python anaconda工具開發。
Caffe可以說是第一個工業級深度學習工具，始於2013年底由UC Berkely的賈楊清編寫的具有出色的CNN實現功能的開發語言，在計算機視覺領域Caffe仍然是最流行的工具包
『玖』 caffe的python介面求助
一、前期環境以及准備1、安裝python在caffe中，python2和python3的介面都有。但frcnn中只能支持python2.7，所以千萬不要裝成python3。為了方便，不用自己去pip一大堆庫，我建議安裝anaconda2，裡面已經安裝了很多第三方的庫。另附python，Windows的第三方庫，裡面很全。或許有一些庫你要去官網上下載。2、安裝（更新）顯卡驅動和cudaNVIDIA的顯卡驅動安裝應該不用我說了吧，到官網上下載吧。我要說明一點的是，我的1080ti在安裝顯卡驅動時，說和Windows不匹配。怎麼解決呢？更新Windows，到官網上下驅動，再安裝。成功！還有就是記得更新你的顯卡驅動，以防老的驅動不支持cuda。CUDA安裝的話，也是傻瓜試的安裝。提醒一點的是，不要改變他的安裝路徑，默認路徑。然後去NVIDIA的官網上下載cudnn庫，這個庫的話需要去NVIDIA注冊一個賬號，然後問你用這個來完成什麼工作之類的巴拉巴拉。這個庫長什麼樣呢？下載完解壓縮，得到一個cuda的文件夾，裡面有3個文件夾然後打開你的CUDA文件夾，默認路徑是C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v8.0把cudnn庫裡面的3個文件夾裡面的文件，分別加到cuda裡面對應的文件夾。然後打開cuda需要編譯的部分，默認路徑是C:\ProgramData\NVIDIACorporation\CUDASamples\v8.0因為我用的VS2015，那麼我就用打開2015的那個，然後改成release運行。至此，顯卡計算的環境就搭建完成了。3、cmake和gitcmake的話，我建議直接下載編譯好的能運行的文件（到官網上下載），然後解壓文件，把bin的路徑添加到Path中。git：因為frcnn裡面有很多linux的腳本，你可以不用，但用的話會很方便的。所以我建議安裝git。同樣，傻瓜式的安裝，直接到官網上下載。二、py-faster-rcnn1、編譯caffe的python介面GPU版本（如果你編譯過了就不用了）因為frcnn的編譯過程用需要用到python的caffe包，所以必須要先編譯一次caffe。如果你已經編譯過caffe的py介面就不用了。下載微軟的Caffe，git的地址你可以用git直接下載，或者在git的地址里下載，隨便你。[plain]打開caffe\scripts，然後編輯build_win.cmd文件第7行的VERSION是你VS的版本，VS2015對應的是14，VS2013對應的應該是12；第8行改為0；第9行改為0（如果你不用GPU，那就還是1）；13行的python_version是你的python版本，2.x就是2，3.x就是3；24,28行是你的python的安裝目錄，如果你是anaconda就改你的anaconda的目錄，否則就不改。同樣69-95行同樣修改。以上2張圖是我的cmake文件配置。進入caffe\scripts，打開cmd，直接執行build_win.cmd。注意他會自動下載需要的庫，因為伺服器呢都不在國內，所以我建議掛個VPN，不然你且等呢吧。這樣cmake後呢，python的介面就已經編譯好了，不用再編譯一遍了。把caffe\python下的caffe的文件夾到python的第三方包的文件夾就ok。這樣caffe的python介面就好了，你可以進cmd的python試一下importcaffe。如果說，他提示少了什麼包，你直接pip這個包就好了，找不到的話，網路一下就有。但只要你跟著上面我的方法做應該不會出現什麼問題。2、編譯py-faster-rcnn依賴庫首先呢，我們先去編譯一下frcnn的依賴庫。Windows下，不能使用自帶的lib，把自帶的lib刪了，重新下載，這里給出git的地址。好了，現在你的庫應該長成這樣，有setup.py和setup_cuda.py。進cmd，install這2個文件。現在你肯定會遇到問題，提示你VC版本不對怎麼呢，先set一下：輸入SETVS90COMNTOOLS=%VS140COMNTOOLS%，VS後面的數字就是你的版本。還有不要忘了把你VS的c1.exe加到path下。編譯好frcnn的依賴庫後，應該是這個樣子的。3、給caffe加frcnn的層現在，我們再下載一個caffe，跟前面一樣，把build_win.cmd進行修改。然後我們就可以把frcnn的一些特有的層加到caffe里編譯了。1）添加層和文件打開py-faster-rcnn\caffe-fast-rcnn\src\caffe\layers文件夾，找到4個文件分別為然後到你新的caffe的對應文件夾caffe\src\caffe\layers里。接著我們添加頭文件，打開py-faster-rcnn\caffe-fast-rcnn\include\caffe，把fast_rcnn_layers.hpp這文件到caffe的對應文件夾下caffe\include\caffe。2）配置2個新層打開你的caffe\src\caffe\proto下的caffe.proto，進行編輯。在407行左右往原來的文件里添加新的層的配置信息[plain]_pooling_param=8266711;_l1_loss_param=8266712;messageROIPoolingParameter{//Pad,kernelsize,//,Xpairs.optionaluint32pooled_h=1[default=0];//_w=2[default=0];//Thepooledoutputwidth////_scale=3[default=1];}messageSmoothL1LossParameter{//SmoothL1Loss(x)=//0.5*(sigma*x)**2--ifx<1.0/sigma/sigma//|x|-0.5/sigma/sigma--otherwiseoptionalfloatsigma=1[default=1];}3）cmake新的caffe的python介面就是再執行一遍build_win.cmd就行。編譯好之後，把caffe根目錄下的python文件夾替換py-faster-rcnn\caffe-fast-rcnn的python文件夾。三、demo完成以上步驟你的py-faster-rcnn就已經編譯成功了。如果你想用demo測試一下的話可以用.\data\scripts里的腳本去下載已經訓練好的model，文件挺大的、速度挺慢的。所以給大家提供一個網路5，把caffemodel文件放在data\faster_rcnn_models，然後執行tools\demo.py就能看到結果了
『拾』 caffe數據層中 scale什麼意思
1.首先主機進入本地連接屬性——高級——允許其他網路用戶來連接選卡勾上，下面那個不用這個問題首先你要理解batchnormal是做什麼的。它其實做了兩件事。
1) 輸入歸一化 x_norm = (x-u)/std, 其中u和std是個累計計算的均值和方差。
2）y=alpha×x_norm + beta，對歸一化後的x進行比例縮放和位移。其中alpha和beta是通過迭代學習的。
那麼caffe中的bn層其實只做了第一件事。scale層做了第二件事。
這樣你也就理解了scale層里為什麼要設置bias_term=True，這個偏置就對應2）件事里的beta。