‘壹’ caffe python代码怎么用 gpu运行
编译和安装Caffe 。。。但我在编译caffe时 输入make all 指令时报错 ：提示找不到hdf5.h 我网络后 http://blog.csdn.net/kexinmcu/article/details/52316986 按照这个解决了。这样make all 成功 make test也成功 make runtest也成功。 再开始其第3步：增加python支持这步 开始我看不清 就从这里开始参考：http://www.linuxdiyf.com/linux/24836.html 编译python时： make pycaffe报错：找不到arrayobject.h 解决办法：sudo apt-get install python-numpy 这样就解决了。这样第3步的几条指令均成功。再开始第4步 第4.2步报错说:pip 找不到指令 于是我在终端输入sudo apt-get install python-pip即解决了。 接着执行4.2步 第一个ipython[all]装时失败了 我就先装后面的几个 有的成功 有的失败 失败的是protobuf和skimage 解决办法是：自己
‘贰’ windows caffe python 没有
整了一晚上加一上午。网上关于python的记录较少，这里写一下。 这里的环境是WIN10+cuda v7.5 +cudnn v4 + opencv + pycharm+VS2013 使用的是GPU，我的GPU是titan16G+内存32G 首先是caffe的文件以及第三方库的编译，这里提供一个已经编译好的的连接，我就是从那里下好然后编译完毕的。 点击打开链接 happynear的 然后就是如何编译python接口。 1、首先先生成两个python文件，在src/caffe/proto/extract_proto.bat 里生成caffe_pb2.py 这个之后有用。 2、然后打开已经给好的caffe/buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目。如图所示： 把pycaffe作为单启动。注意需要在release x64位下编译。 如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。 3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加 以我的python为例。D:/python27/Lib；D:/python/include/ 以及D:/Python27/Lib/site-packages/numpy/core/include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。 3、开始编译即可。这里要注意一定要和caffe、caffelib在一个项目里编译，否则会报错。 4、编译成功后会在caffe/python/caffe下生成_caffe.pyd 是打不开的 5、配置python环境：需要几个额外库 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要装MKL版本的，不然scipy装上了BLAS不能用 leveldb没有windows版本的，不过我找到了可以使用的办法。见这个博客： 点击打开链接 如果有pip install 装不上的，可以上这个网站找 wheel文件安装就可以了 点击打开链接 6、最后把目录中python下的caffe文件夹复制到python27/Lib/site-packages就可以了。 测试的时候只需要在控制台下输入import caffe 看能载入就知道成功了：）
‘叁’ Windows+Anaconda+caffe python要怎么配置
1、首先先生成两个python文件，在src\caffe\proto\extract_proto.bat 里生成caffe_pb2.py 这个之后有用。
2、然后打开已经给好的caffe\buildVS2013，打开里面已经有的工程文件，正常的情况下应该是有7个工程，选中pycaffee单独作为要编译的项目把pycaffe作为单启动。注意需要在release x64位下编译。如果没有这个的话，就将这个文件夹里python文件夹中的项目加入即可。如果没有python项目，就自己建一个，将python文件夹里的cpp文件加入就可以了。
3、选择pycaffe的属性，将配置属性下的VC++目录中的包含目录和库目录填上你python所在的include和libs 再在C/C++的目录下的附加包含目录一项中添加
以我的python为例。D:\python27\Lib；D:\python\include\ 以及D:\Python27\Lib\site-packages\numpy\core\include 如果你安装了CUDNN这里可以在预处理器那里把USE_CUDNN加上，同时在LINKER的输入目录下的附加依赖库中加入cudnn的lib文件。
4、开始编译即可。这里要注意一定要和caffe、caffelib在一个项目里编译，否则会报错。
‘肆’ 新手试运行了一个 caffe 的 Python 代码，出现这个错误是怎么回事
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里怎么编译python
直接看代码啊，看caffe/python/caffe文件夹下面的py代码，代码中有各模块的功能以及使用说明。如果不想受限于其提供的接口，可以自己 使用opencv的python接口处理io问题，功能更强大，主要是读图、预处理的操作，理解后用opencv也很容易实现。
‘陆’ caffe中bn层为什么要和scale层一起使用
1) 输入归一化 x_norm = (x-u)/std, 其中u和std是个累计计算的均值和方差。
2）y=alpha×x_norm + beta，对归一化后的x进行比例缩放和位移。其中alpha和beta是通过迭代学习的。
那么caffe中的bn层其实只做了第一件事，scale层做了第二件事，所以两者要一起使用。
‘柒’ caffe的python接口微调网络怎么运行
1.安装使用PyInstaller需要安装PyWin32。下载与Python对应的PyInstaller版本， 解压后就算安装好了 。2.生成exe文件Python程序的目录为 F:\hello.py在命令行 中进入pyinstaller所在的目录，运行python pyinstaller.py F:\hello.py 在PyInstaller-2.1目录下，生成文件夹hellohello目录下有文件exe文件在dist目录下如果将python文件复制到 pyinstaller.py 所在目录下，则运行 python pyinstaller.py hello.py
‘捌’ 如何让caffe同时支持python2.7和python3.4
你可以在caffe的目录里修改Makefile.config这个文件相关参数，来配置Python3.4.Ubuntu系统允许多个版本存在。目前，版是Python 3.5，较好安装python anaconda工具开发。
Caffe可以说是第一个工业级深度学习工具，始于2013年底由UC Berkely的贾杨清编写的具有出色的CNN实现功能的开发语言，在计算机视觉领域Caffe仍然是最流行的工具包
‘玖’ caffe的python接口求助
一、前期环境以及准备1、安装python在caffe中，python2和python3的接口都有。但frcnn中只能支持python2.7，所以千万不要装成python3。为了方便，不用自己去pip一大堆库，我建议安装anaconda2，里面已经安装了很多第三方的库。另附python，Windows的第三方库，里面很全。或许有一些库你要去官网上下载。2、安装（更新）显卡驱动和cudaNVIDIA的显卡驱动安装应该不用我说了吧，到官网上下载吧。我要说明一点的是，我的1080ti在安装显卡驱动时，说和Windows不匹配。怎么解决呢？更新Windows，到官网上下驱动，再安装。成功！还有就是记得更新你的显卡驱动，以防老的驱动不支持cuda。CUDA安装的话，也是傻瓜试的安装。提醒一点的是，不要改变他的安装路径，默认路径。然后去NVIDIA的官网上下载cudnn库，这个库的话需要去NVIDIA注册一个账号，然后问你用这个来完成什么工作之类的巴拉巴拉。这个库长什么样呢？下载完解压缩，得到一个cuda的文件夹，里面有3个文件夹然后打开你的CUDA文件夹，默认路径是C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v8.0把cudnn库里面的3个文件夹里面的文件，分别加到cuda里面对应的文件夹。然后打开cuda需要编译的部分，默认路径是C:\ProgramData\NVIDIACorporation\CUDASamples\v8.0因为我用的VS2015，那么我就用打开2015的那个，然后改成release运行。至此，显卡计算的环境就搭建完成了。3、cmake和gitcmake的话，我建议直接下载编译好的能运行的文件（到官网上下载），然后解压文件，把bin的路径添加到Path中。git：因为frcnn里面有很多linux的脚本，你可以不用，但用的话会很方便的。所以我建议安装git。同样，傻瓜式的安装，直接到官网上下载。二、py-faster-rcnn1、编译caffe的python接口GPU版本（如果你编译过了就不用了）因为frcnn的编译过程用需要用到python的caffe包，所以必须要先编译一次caffe。如果你已经编译过caffe的py接口就不用了。下载微软的Caffe，git的地址你可以用git直接下载，或者在git的地址里下载，随便你。[plain]打开caffe\scripts，然后编辑build_win.cmd文件第7行的VERSION是你VS的版本，VS2015对应的是14，VS2013对应的应该是12；第8行改为0；第9行改为0（如果你不用GPU，那就还是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的安装目录，如果你是anaconda就改你的anaconda的目录，否则就不改。同样69-95行同样修改。以上2张图是我的cmake文件配置。进入caffe\scripts，打开cmd，直接执行build_win.cmd。注意他会自动下载需要的库，因为服务器呢都不在国内，所以我建议挂个VPN，不然你且等呢吧。这样cmake后呢，python的接口就已经编译好了，不用再编译一遍了。把caffe\python下的caffe的文件夹到python的第三方包的文件夹就ok。这样caffe的python接口就好了，你可以进cmd的python试一下importcaffe。如果说，他提示少了什么包，你直接pip这个包就好了，找不到的话，网络一下就有。但只要你跟着上面我的方法做应该不会出现什么问题。2、编译py-faster-rcnn依赖库首先呢，我们先去编译一下frcnn的依赖库。Windows下，不能使用自带的lib，把自带的lib删了，重新下载，这里给出git的地址。好了，现在你的库应该长成这样，有setup.py和setup_cuda.py。进cmd，install这2个文件。现在你肯定会遇到问题，提示你VC版本不对怎么呢，先set一下：输入SETVS90COMNTOOLS=%VS140COMNTOOLS%，VS后面的数字就是你的版本。还有不要忘了把你VS的c1.exe加到path下。编译好frcnn的依赖库后，应该是这个样子的。3、给caffe加frcnn的层现在，我们再下载一个caffe，跟前面一样，把build_win.cmd进行修改。然后我们就可以把frcnn的一些特有的层加到caffe里编译了。1）添加层和文件打开py-faster-rcnn\caffe-fast-rcnn\src\caffe\layers文件夹，找到4个文件分别为然后到你新的caffe的对应文件夹caffe\src\caffe\layers里。接着我们添加头文件，打开py-faster-rcnn\caffe-fast-rcnn\include\caffe，把fast_rcnn_layers.hpp这文件到caffe的对应文件夹下caffe\include\caffe。2）配置2个新层打开你的caffe\src\caffe\proto下的caffe.proto，进行编辑。在407行左右往原来的文件里添加新的层的配置信息[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接口就是再执行一遍build_win.cmd就行。编译好之后，把caffe根目录下的python文件夹替换py-faster-rcnn\caffe-fast-rcnn的python文件夹。三、demo完成以上步骤你的py-faster-rcnn就已经编译成功了。如果你想用demo测试一下的话可以用.\data\scripts里的脚本去下载已经训练好的model，文件挺大的、速度挺慢的。所以给大家提供一个网络5，把caffemodel文件放在data\faster_rcnn_models，然后执行tools\demo.py就能看到结果了
‘拾’ caffe数据层中 scale什么意思
1.首先主机进入本地连接属性——高级——允许其他网络用户来连接选卡勾上，下面那个不用这个问题首先你要理解batchnormal是做什么的。它其实做了两件事。
1) 输入归一化 x_norm = (x-u)/std, 其中u和std是个累计计算的均值和方差。
2）y=alpha×x_norm + beta，对归一化后的x进行比例缩放和位移。其中alpha和beta是通过迭代学习的。
那么caffe中的bn层其实只做了第一件事。scale层做了第二件事。
这样你也就理解了scale层里为什么要设置bias_term=True，这个偏置就对应2）件事里的beta。