به بخش پرسش و پاسخ یادگیری عمیق خوش آمدید,
این نسخه آزمایشی سایت است.
لطفا به نکات زیر توجه کنید:
  • برای ارتباط با مدیران میتوانید از صفحه مدیران اقدام کنید.
  • سوال و جواب ها باید به زبان فارسی باشند. استفاده از زبان انگلیسی یا فینگلیش برای پاسخ دادن مجاز نیست.
  • لطفا بعد از پرسش سوال لینک سوال خود را در گرو تلگرام (Iran Deep Learning Group) معرفی کنید تا سریعتر به جواب برسید. برای دسترسی به آخرین لینک از منابع یادگیری استفاده کنید
  • لطفا بجای عکس از متن استفاده کنید. اگر متون طولانی هستند از سایت pastebin.com برای اپلود استفاده کرده و لینک حاصل را در سوال خود قرار دهید. برای قرار دادن تصویر ، از بخش ارسال تصویر ادیتور سایت استفاده کنید.
  • بعد از دریافت پاسخ، بهترین پاسخ را از طریق کلیک بر روی علامت تیک انتخاب کنید
  • اگر با خطا و یا مشکلی مواجه شدید از بخش تماس با ما در انتهای صفحه و یا ایمیل Coderx7@gmail.com موضوع را اطلاع دهید.

با تشکر

دسته بندی ها

0 امتیاز

سلام
چندتا سوال داشتم ممنون میشم راهنماییم کنید
1- من فقط دو تا فایل caffemodel و deploy.prototxt دارم میخام روی یک تصویر تست کنم مراحلش چجوریه ؟

input: "data"
input_shape {
  dim: 1000
  dim: 3
  dim: 224
  dim: 224
}

در فایل deploy.prototxt اولش اینجوری نوشته اون 1000 چی هست ؟بچ سایز؟
2- فایل statesolver برای اینکه یک مدلی رو فاین تیون کنیم به درد میخورد ؟ میشه با همون دو تا فایل بالا شبکه رو فاین تیون کرد ؟ یا با اصطلاح resume انجام داد ؟

توسط (389 امتیاز)

1 پاسخ

0 امتیاز
 
بهترین پاسخ

سلام
اولی بچ سایز هست
نمونه مثال classification.ipnb رو از پوشه examples باز کنید همه چیز مشخص و سر راسته
statesolver اطلاعات ترینینگ رو داره. اگه بخوایید resume کنید اون باید وجود داشته باشه وگرنه برای فاین تون کردن از همون caffemodel استفاده میشه.

آپدیت :
در مورد تبدیل میانگین به فرمت .npy هم که در کامنت گفته شد از این کد استفاده کن:

import caffe
import numpy as np
import sys

if len(sys.argv) != 3:
    print "Usage: python convert_protomean.py mean.binaryproto mean.npy"
    sys.exit()

# # Read the data into an array
# if return_diff:
#     data = np.array(blob.diff)
# else:
blob = caffe.proto.caffe_pb2.BlobProto()
data = open( sys.argv[1] , 'rb' ).read()
blob.ParseFromString(data)
data = np.array(blob.data)
arr = np.array( caffe.io.blobproto_to_array(blob) )
out = arr[0]
np.save( sys.argv[2] , out )
توسط (4.3k امتیاز)
انتخاب شده توسط
سلام. اره میشه اینکارو کرد ولی میتونی خودت میانگین رو به ازای هر سه کانال مشخص کنی و سریع بری سر اصل داستان و دیگه درگیر ساخت دیتاست و بعد ساخت میانگین ازش و بعد تبدیل میانگین .... نشی
هرچند گزینه اول رو هم میتونی انجام بدی با خودته انتخاب. ضمنا میتونی سرچ کنی کسی میانگین اون دیتاستت رو قبلا گرفته یا نه و بری ببینی اگر هست استفاده کنی. تو گیت هاب و اینجور جاها سر بزنی خوبه خصوصا از جایی که مدل یا دیتاست رو دانلود کردی
به نظر من میشه دیگه از همون میانگین امیج نت استفاده کرد فک نکنم چندان تفاوتی داشته باشه
سلام . بالا گفتم اگه مدل روی ایمیج نت پری ترین شده باشه اره از همون میانگین استفاده میتونی بکنی . اگه نشده باشه و ماهیت دیتاست متفاوت باشه خیلی، اینکارو نکن کارو خراب میکنه.
...