caffe權重代碼在哪

① 誰有tiny-yolo 的訓練權重文件呢，就是darknet conv weights，急求!

注意：1、測試軟體：ubuntu14.04+cuda7.5+cudnn5.0+opencv2.4.10（titanX） 2、有些您復制的終端命令如果不能在終端運行，請注意英文全形半形問題，您可以將命令輸入終端，無須復制粘貼命令

第一部分：darknet安裝

下載darknet，終端輸入：

git clone https://github.com/pjreddie/darknet.git

修改makefile文件：

cpu設置：gpu=0，opencv=1，cudnn=0

gpu設置：gpu=1，opencv=1，cudnn=1

注意nvcc的路徑！！！

（設置自己nvcc的路徑）

終端輸入：

cd darknet make

第二部分：下載voc及轉換yolo格式

下載數據（目錄自己設置即可）：

curl -o http://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar curl -o http://pjreddie.com/media/files/VOCtrainval_06-Nov-2007.tar curl -o http://pjreddie.com/media/files/VOCtest_06-Nov-2007.tar tar xf VOCtrainval_11-May-2012.tar tar xf VOCtrainval_06-Nov-2007.tar tar xf VOCtest_06-Nov-2007.tar

找到voc_label.py程序，在script裡面，轉換格式，運行：

ython voc_label.py

生成train文件：

cat 2007_* 2012_train.txt > train.txt

進入yolo.c修改18/19兩行，修改成您voc數據路徑和生成的weights路徑（一般設置為darknet/backup），注意修改完了需要重新編譯darknet

第三部分：下載預訓練分類模型

這里只提供yolo-tiny模型啦，大模型參考作者官網下載即可

網盤下載鏈接：http://download.csdn.net/detail/samylee/9555843

下載完成放在darknet目錄下以便調用

第四部分：修改voc.data

打開cfg/voc.data文件，修改您的voc數據路徑即可

第五部分：訓練voc數據

darknet目錄下運行：

./darknet detector train cfg/voc.data cfg/tiny-yolo-voc.cfg darknet.conv.weight

生成的caffemodel會存放在darknet/backup目錄下

第六部分：demo

darknet目錄下運行：

./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg backup/tiny-yolo-voc_1000(迭代步數自己設置啦).weights data/dog.jpg

第七部分：demo效果圖：

見博客結尾部分

第八部分：訓練自己的數據集

數據及製作部分：

參考我的yolo-v1博客：

http://blog.csdn.net/samylee/article/details/51729729

咱群里文件有轉換成yolo格式的文件，找一下哦

訓練部分：和第五部分是一樣的啦

效果圖如下：

② 深度學習中利用caffe如何訓練自己的模型

作者：聖行
鏈接：https://www.hu.com/question/30091667/answer/47951446
來源：知乎
著作權歸作者所有，轉載請聯系作者獲得授權。

matlab 和python沒有用過。如果是習慣用opencv的話，可以使用memory_data，請參考這個鏈接里的例子：C++ Image Classification with memory_data_param · Issue #1443 · BVLC/caffe · GitHub

給一個具體點的例子吧（不知道貼代碼是不是有點不合知乎氣質？），總共分三步：
第一步，構造網路：
enum Phase p = TEST;
Net<float> caffe_test_net(argv[1],p);
caffe_test_net.CopyTrainedLayersFrom(argv[2]);

第二步，構造數據並加入到網路輸入層：
//create the input data
vector<Mat> md_images;
vector<int> md_labels;
//////operations for the input data
Mat original = imread("images\\lena_gray.png"); //隨便的圖片，沒有實用意義，可忽略

Mat *sub_img = new Mat;
for (int i = 0; i < 10; i++){
original(Range(i, i + 28), Range(i, i + 28)).To(*sub_img); // 28x28，可以直接用lenet
md_images.push_back(*sub_img);
md_labels.push_back(0);
}

第三步，執行test操作：
for (int i = 0; i < 10; i++){
const vector<Blob<float>*>& result = caffe_test_net.ForwardPrefilled();

③ caffe windows10 vs2013怎麼配置

1.配置環境
我在自己的筆記本配置的caffe，配置的環境為：Windows 7 64位 + cuda6.5 + Opencv2.49 +VS2013。假設在配置caffe之前，你已經准備好這些。
本文中將給出一些編譯好的依賴庫，如果你也是用的Windows 7 64位+VS2013，可以直接使用。
2.准備依賴庫
在Windows下配置caffe，一個很主要的問題就是依賴庫的編譯。不像在Ubuntu下那麼方便，在Windows下，依賴庫都需要使用vs2013進行編譯才能使用。下面我將介紹caffe需要的依賴庫（如果你也是win7 64位+VS2013，可以直接使用我提供的依賴庫）。
2.1 boost
boost可以下載源碼進行編譯，也可以直接下載安裝文件。我使用的是後者，方便、快捷。
我使用的是：boost_1.56_0-msvc-12.0-64.exe
注意下載適合你的配置環境的boost版本即可。
下載完畢，雙擊運行安裝文件即可。
2.2 Glog+Gflag+Protobuf+LevelDB+HDF5+LMDB+Openblas
這一部分的很多都是谷歌的開源庫，不容易下載（你懂的）。所以我使用的是Neil Z. SHAO『s Blog
提供的編譯好的。
下載完，解壓得到3rdparty文件夾。在下一段將會用到。
3.建立caffe工程
准備好了caffe需要的依賴庫和環境之後，下面就可以建立caffe的vs項目，進行編譯了。
3.1 下載caffe源碼
可以從caffe的github主頁下載源碼。
下載地址：Caffe』s GitHub
解壓文件，假設caffe源碼所在目錄為CAFFE_ROOT。
3.2 准備項目需要的依賴庫和系統環境變數
經過上一階段的准備，caffe項目所需的依賴庫都已經准備好。
1.首先設置系統環境變數(以我的為例):
CUDA_PATH_V6_5 安裝好cuda6.5之後，會自動添加環境變數CUDA_PATH_V6_5
OPENCV_2_49 D:/Tools/opencv2.49/build/
BOOST_1_56 D:/Tools/boost_1_56_0
2.將3rdparty文件夾放到CAFFE_ROOT
3.3 用vs建立caffe項目
1.用VS2013在CAFFE_ROOT下建立 win32 console application，選擇空項目。
將項目的平台由32位改為64位
2.修改項目屬性
項目——屬性——C/C++——常規——附加包含目錄
添加：
../include;
../src；
../3rdparty/include;
../3rdparty;
../3rdparty/include;
../3rdparty/include/openblas;
../3rdparty/include/hdf5;
../3rdparty/include/lmdb;
../3rdparty/include/leveldb;
../3rdparty/include/gflag;
../3rdparty/include/glog;
../3rdparty/include/google/protobuf;
項目——屬相——VC++目錄——包含目錄
添加：
$(CUDA_PATH_V6_5)\include;
$(OPENCV_2_49)\include;
$(OPENCV_2_49)\include\opencv;
$(OPENCV_2_49)\include\opencv2;
$(BOOST_1_56)
項目——屬性——鏈接器——常規——附加庫目錄
添加：
$(CUDA_PATH_V6_5)\lib\$(PlatformName);
$(OPENCV_2_49)\x64\vc12\lib;
$(BOOST_1_56)\lib64-msvc-12.0;
..\3rdparty\lib;
項目——屬性——鏈接器——輸入——附加依賴項
debug添加：
opencv_ml249d.lib
opencv_calib3d249d.lib
opencv_contrib249d.lib
opencv_core249d.lib
opencv_features2d249d.lib
opencv_flann249d.lib
opencv_gpu249d.lib
opencv_highgui249d.lib
opencv_imgproc249d.lib
opencv_legacy249d.lib
opencv_objdetect249d.lib
opencv_ts249d.lib
opencv_video249d.lib
opencv_nonfree249d.lib
opencv_ocl249d.lib
opencv_photo249d.lib
opencv_stitching249d.lib
opencv_superres249d.lib
opencv_videostab249d.lib
cudart.lib
cuda.lib
nppi.lib
cufft.lib
cublas.lib
curand.lib
gflagsd.lib
libglog.lib
libopenblas.dll.a
libprotobufd.lib
libprotoc.lib
leveldbd.lib
lmdbd.lib
libhdf5_D.lib
libhdf5_hl_D.lib
Shlwapi.lib
gflags.lib
libprotobuf.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
release添加：
opencv_ml249.lib
opencv_calib3d249.lib
opencv_contrib249.lib
opencv_core249.lib
opencv_features2d249.lib
opencv_flann249.lib
opencv_gpu249.lib
opencv_highgui249.lib
opencv_imgproc249.lib
opencv_legacy249.lib
opencv_objdetect249.lib
opencv_ts249.lib
opencv_video249.lib
opencv_nonfree249.lib
opencv_ocl249.lib
opencv_photo249.lib
opencv_stitching249.lib
opencv_superres249.lib
opencv_videostab249.lib
cudart.lib
cuda.lib
nppi.lib
cufft.lib
cublas.lib
curand.lib
gflags.lib
libglog.lib
libopenblas.dll.a
libprotobuf.lib
libprotoc.lib
leveldb.lib
lmdb.lib
libhdf5.lib
libhdf5_hl.lib
Shlwapi.lib
3.4 編譯caffe
配置好caffe項目的屬性之後，下面就可以一步一步的編譯caffe了。
3.4.1 編譯./src中的文件
首先，將../src文件夾中的*.cpp文件添加到工程中。

依次編譯每一個*.cpp文件。
1.編譯blob.cpp
直接編譯時會報錯，缺少文件」caffe\proto\caffe.pb.h」
這個時候需要將proto.exe放到../3rdparty/bin文件夾
將GernaratePB.bat放在../scripts文件夾

運行bat腳本文件即可生成caffe.pb.h
然後就可以成功編譯。
2.編譯common.cpp
直接編譯這個文件，會出現關於getid和fopen_s的錯誤。可通過如下步驟修改：
在代碼前面添加：#include <process.h>
修改項目屬性：項目——屬性——C/C++——預處理器——預處理器定義
添加:_CRT_SECURE_NO_WARNINGS
在代碼中getid的位置進行如下修改：
#ifdef _MSC_VER
pid = getid();
#else
pid = _getid();
#endf
修改完畢之後，可以成功編譯。
3.編譯net.cpp
直接編譯這個文件，會出現關於mkstep、close、mkdtemp的錯誤。需要進行如下修改：
在io.hpp頭文件中添加：#include 「mkstep.h」
在io.hpp頭文件中，在close()的位置進行如下修改：
#ifdef _MSC_VER
close(fd);
#else
_close(fd);
#endif
在mkdtemp的位置進行如下修改：
#ifndef _MSC_VER
char* mkdtemp_result = mkdtemp(temp_dirname_cstr);
#else
errno_t mkdtemp_result = _mktemp_s(temp_dirname_cstr, sizeof(temp_dirname_cstr));
#endif
修改完畢，可以成功編譯。
4.編譯solver.cpp
直接編譯會出現關於snprintf的錯誤，需要進行如下修改：
#ifdef _MSC_VER
#define snprinf sprintf_s
#endif
修改完畢，可以成功編譯。
5.其他剩餘的cpp文件也依次編譯
3.4.2 編譯./src/layers中的文件
將./src/layers中的所有的cpp和cu文件都添加到項目中。

右鍵點擊cu文件，修改屬性。

在bnll_layer.cu文件，進行如下修改：
float kBNLL_THRESHOLD = 50 ——> #define kBNLL_THRESHOLD 50.0
依次編譯所有的文件。
3.4.3 編譯./src/util中的文件
將./src/util中所有的文件添加到項目

1.在io.cpp中
修改ReadProtoFromBinaryFile函數
O_RDONLY ——> O_RDONLY | O_BINARY
在代碼中進行如下修改：
#ifdef _MSC_VER
#define open _open
#endif
將close()改為_close()
2.在math_functions.cpp中
做如下修改：
#define __builtin_popcount __popcnt
#define __builtin_popcountl __popcnt
3.在db.cpp中
作如下修改：
#ifdef _MSC_VER
#include <direct.h>
#endif
修改CHECK_EQ
#ifdef _MSC_VER
CHECK_EQ(_mkdir(source.c_str()),0)<<」mkdir」<<source<<」failed」;
#else
CHECK_EQ(mkdir(source.c_str(),0744),0)<<」mkidr」<<source<<」failed」;
#endif
4.依次編譯其他文件
3.4.4 編譯./src/proto中的文件
參照上一步，將proto中的文件都添加到項目。
修改屬性：
項目——屬性——C/C++——預處理器——預處理器定義
添加：_SCL_SECURE_NO_WARNINGS
編譯所有文件。
3.4.5 編譯./tools中的文件
本文件夾下有多個cpp文件，通過它們的名字就可以知道相應的功能。添加不同的cpp文件到項目中，然後生成項目，就可以得到不同功能的exe文件。
將caffe.cpp添加到工程，生成項目，得到caffe.exe文件，可用於訓練模型
將computer_image_mean.cpp添加到工程，生成項目，得到的exe文件可用於將訓練樣本轉換為caffe使用的leveldb/lmdb數據集。
依次類推。
自此，caffe在Windows下的編譯已經完畢，接下來就可以使用它來訓練自己的模型了。

④ 求助waifu2x-caffe無法運行

一般java虛擬機默認安裝在系統盤（C:/)根目錄下，但環境變數中的路徑卻需要設置。右鍵電擊「我的電腦」屬性，在高級選項中有個環境變數，將下邊的系統變數中的path路徑後面追加「C;/jre1.5.0_05/bin;」就可以了。 至於編譯運行，可在「運行」中輸入cmd，進入你代碼所在文件夾，javac命令編譯，java命令運行。