我在深圳 2018-07-08 Defeated by DeepPose

之前是没想到实现DeepPose会遇上这么头痛的问题的,本以为自己已经掌握了很多模型选择相关的知识了

那么第一个人生经验就是

事情永远没有理论上分析那么简单

然后就是虽然有Hartin的指导,自己闷头造车,搞了两三天没有进展,后来不抱希望的google了一下竟然找到了很多相同的情况

感谢全球最大同性交友网站gayhub

感谢同病相怜的病友的advice

具体事件和解决在另一篇post DeepPose 实现中遇到的问题:Any input produce the same output

所以第二个人生经验是

永远不要相信自己是孤立无援的,善于求助

DeepPose 实现中遇到的问题:Any input produce the same output

Background

正在实现 DeepPose proposed in this paper

大概就是查了四天的一个bug:

任何输入的图片返回的结果都是一个相同的人形(相对位置)且位置基本不变(绝对位置)

所幸的是在第三天快结束的时候不抱希望的上网查了查发现竟然有很多同样的状况 caffe output same – Google 搜索

然后就浏览了 github, Google Groups, Stack Overflow 上的post

其中github上的最helpful,信息量也最多

Any input produce the same output · I[……]

Read more

Caffe 源码阅读实践 WeightedEuclideanLossLayer 的实现

需求

需要这个层的原因是在复现 DeepPose 的时候,paper中有这么一句

It should be noted, that the above objective can be used even if for some images not all joints are labeled. In this case, the corresponding terms in the sum would be omitted.

所以这个omitted 就把他当做 weighted 吧

参考

动手前先好好学习了下caffe的源码结构和数据类型

Caffe解读1 — Pin[……]

Read more

Caffe 深度学习模型训练全过程

经过一星期的折腾,终于搞明白大致怎么使用caffe了,一下按序罗列下训练过程以及期间使用的某些技巧

未完成,有待继续学习

数据准备与处理

数据文件

lmdb 数据库 mnist_train_lmdb & mnist_test_lmdb

均值文件 imagenet_mean.binaryproto 生成均值文件命令 compute_image_mean [train_lmdb] [mean.binaryproto]

Data层

参考:caffe | Layers

caffe 主要是讲一下caffe对不同的数据类型的处理(二)

从图像转换为数据库

参考:Caffe 入门[……]

Read more

我在深圳 2018-06-19 Defeated by Caffe

从早上到公司就开始装Caffe

弄了一上午到处报环境error,中午吃饭的时候都有点丧

然后就开始恶补homebrew,make相关的东西,把环境清了一下,尽量干干净净的重装

还是有很多error,不断的google,主要参考了github,stack overflow,google 网上论坛

所以今天的人生经验是,今天的人生经验是什么东西看的多了,都能混个眼熟,有点感觉

终于在八点半多下班前装好了,然后实际能不能跑还没测

记录了自己安装的过程,其中的艰辛以及各种error我说不出来 Caffe CPU-only Installation on macOS 10.13.5 High[……]

Read more

Caffe CPU-only Installation on macOS 10.13.5 High Sierra 2018-06-19

安装环境:macos,没有英伟达GPU,没有anaconda python

声明:不保证能生效,仅记录自己的过程

踩了点坑,记录下安装过程

先安装依赖项目

brew install --fresh -vd snappy leveldb gflags glog szip lmdb opencv hdf5
brew install --build-from-source --with-python --fresh -vd protobuf
brew install --build-from-source --fresh -vd boost boost-python

然后[……]

Read more