Caffe

1、创建虚拟环境 conda create -n caffe python=3.7 2、进入caffe环境 conda activate caffe 3、添加anaconda通道 conda config --add channels anaconda 4、安装CPU版本caffe conda install -c willyd caffe-cpu 5、cuda的可以安装caffe的gpu

先说下心酸过程 公司的服务器是Ubuntu20，cuda是11.1，cudnn是8.几 首先一直报一串好长好长的错误，总结起来是一直是cudnn版本的问题。 caffe的官网一直没有给出对cuda和cudnn版本的要求，这个真的很难受。 后面一直找办法，才从别的博客上发现，caffe要是cudnn在8.0之前的版本，真的绝了。 反正过程中出现很多问题，其他就不吐露了。 正确安装过程： 1.安装依赖

写在前面 来记录一下把用pytorch训练好的模型转成caffe去预测的步骤框架，代码只展现主要部分~ 步骤 保存pytorch参数名和权重。先把pytorch的参数名和权重存成词典，例如存到npy文件里–>.得到npy文件； 合并卷积层和bn层的参数（非必须）。将卷积层和batch normalization层的权重进行融合，更新npy文件里卷积层的权重–>.得到npy文件； 建立caffe的.

总结 caffe 输入更改输入图像的 batch；即可得到多batch的模型； 但是不是动态batch； caffe2onnx 其实也是一层一层读 caffe 模型然后搭建 onnx 模型来做的，之前我不懂，还以为是很牛逼的东西，虽然确实牛逼，但是努努力自己也能写的出来； 参考的大佬的的github工程： https://github.com/inisis/caffe2onnx 运行的readem

https://blog.csdn.net/vvnzhang2095/article/details/91439924   pytorch 与caffe2的互用 https://blog.csdn.net/weixin_40671425/article/details/90700908 写在前面 来记录一下把用pytorch训练好的模型转成caffe去预测的步骤框架，代码只展现主要部分~ 步骤 保

记录一下onnx转caffe的方法，不记录每次重新配置环境都会折腾一阵。。。 因为caffe1.0版本比较低，以现在的电脑配置安装caffe都会出现各种各样的问题。所以感谢这位作者帮我们已经修改好了caffe的配置文件。 安装caffe环境以及onnx转caffe的脚本都可直接使用这个开源提供的方法，亲测可行。cuda、cudnn自己安装好了之后，按照Readme上的方法安装yolov5_caff

0. 前言 ImportError: No module named caffe 我滴天，这咖啡真不好喝！ 我感觉我为了解决这个问题，都能写一篇论文了，整整搞了两天，是真麻烦，所以，我建议，如果能换成不用caffe的代码的话，尽量别用caffe跑了，太难了~ 1. 尝试解决办法 首先，网上推荐的是用编译的方式进行安装配置caffe。具体如下： 1.1 创建环境 conda create -n c

主要内容 课程列表 专项课程学习 辅助课程 论文专区 课程列表 课程 机构 参考书 Notes等其他资料 卷积神经网络视觉识别 Stanford 暂无 链接 神经网络 Tweet 暂无 链接 深度学习用于自然语言处理 Stanford 暂无 链接 自然语言处理 Speech and Language Processing 链接 专项课程学习 下述的课程都是公认的最好的在线学习资料，侧重点不同，但推

Google Cloud Platform 推出了一个 Learn TensorFlow and deep learning, without a Ph.D. 的教程，介绍了如何基于 Tensorflow 实现 CNN 和 RNN，链接在 这里。 Youtube Slide1 Slide2 Sample Code

torch是什么 torch就是诸多深度学习框架中的一种 业界有几大深度学习框架：1）tensorflow，谷歌主推，时下最火，小型试验和大型计算都可以，基于python，缺点是上手相对较难，速度一般；2）torch，facebook主推，用于小型试验，开源应用较多，基于lua，上手较快，网上文档较全，缺点是lua语言相对冷门；3）mxnet，大公司主推，主要用于大型计算，基于python和R，缺

我太菜了，C++需要恶补才行，面试完基本上就知道自己寄，面试官特别好给我说了很多，也让我充分认识到自己的不足 如果是项目的话，会问你项目背景以及项目最终的实现结果等等 如果是自己学习的项目的话，会问你对这个项目的学习心得 最后问对C++对掌握程度 实现vector

Caffe，全称 Convolutional Architecture for Fast Feature Embedding，是一个兼具表达性、速度和思维模块化的深度学习框架。

现在开始学深度学习。在这部分讲义中，我们要简单介绍神经网络，讨论一下向量化以及利用反向传播(backpropagation)来训练神经网络。 1 神经网络(Neural Networks) 我们将慢慢的从一个小问题开始一步一步的构建一个神经网络。回忆一下本课程最开始的时就见到的那个房价预测问题：给定房屋的面积，我们要预测其价格。 在之前的章节中，我们学到的方法是在数据图像中拟合一条直线。现在咱们不

深度学习的总体来讲分三层，输入层，隐藏层和输出层。如下图： 但是中间的隐藏层可以是多层，所以叫深度神经网络，中间的隐藏层可以有多种形式，就构成了各种不同的神经网络模型。这部分主要介绍各种常见的神经网络层。在熟悉这些常见的层后，一个神经网络其实就是各种不同层的组合。后边介绍主要基于keras的文档进行组织介绍。

Python 是一种通用的高级编程语言，广泛用于数据科学和生成深度学习算法。这个简短的教程介绍了 Python 及其库，如 Numpy，Scipy，Pandas，Matplotlib，像 Theano，TensorFlow，Keras 这样的框架。