博文

Fine-tuning pre-trained ResNet model with different learning rate

图片
Fine-tuning Facebook Torch implementation of ResNet model with different learning rate. with learning rate 0.1 with learning rate 0.01 with learning rate 0.001

One note for building Caffe RC3 on Ubuntu 14.04

When building Caffe RC3 on Ubuntu 14.04, you may run into this error: CXX/LD -o .build_release/tools/extract_features.bin CXX/LD -o .build_release/tools/device_query.bin CXX/LD -o .build_release/tools/net_speed_benchmark.bin CXX/LD -o .build_release/tools/test_net.bin //usr/lib/x86_64-linux-gnu/libunwind.so.8:对‘lzma_index_buffer_decode@XZ_5.0’未定义的引用 //usr/lib/x86_64-linux-gnu/libunwind.so.8:对‘lzma_index_size@XZ_5.0’未定义的引用 //usr/lib/x86_64-linux-gnu/libunwind.so.8:对‘lzma_index_uncompressed_size@XZ_5.0’未定义的引用 //usr/lib/x86_64-linux-gnu/libunwind.so.8:对‘lzma_stream_footer_decode@XZ_5.0’未定义的引用 解决方法是在~/.bashrc文件最后添加路径 export LD_LIBRARY_PATH=/lib/x86_64-linux-gnu/:$LD_LIBRARY_PATH

Some notes about building Caffe RC3 with Mac OS X 10.11.3, Anaconda, CUDA 7.5, cuDNN 4, Intel MKL and MATLAB R2015b

Environment: Mac OS X 10.11.3, Xcode 7.2, Anaconda Python 2.7.11, CUDA 7.5, cuDNN 4, Intel parallel_studio_xe_2016.1.043 mkl, homebrew boost 1.6.0, homebrew OpenCV 2.4.12, MATLAB R2015b. Note 1 : If your run into this problem afterwards "ld: warning: directory not found for option '-L/opt/intel/mkl/lib/intel64'", you can solve this problem as: cd /opt/intel/mkl/lib/ sudo ln -s . /opt/intel/mkl/lib/intel64 Suppose the environment is setup as above, first follow the official Caffe OS X Installation guide  step by step. Then modify your .bash_profile file as: export PATH=/usr/local/bin:/Applications/MATLAB_R2015b.app/bin:/Developer/NVIDIA/CUDA-7.5/bin:$PATH export PATH="/Users/ylzhao/anaconda/bin:$PATH" export DYLD_LIBRARY_PATH=/Developer/NVIDIA/CUDA-7.5/lib:$DYLD_LIBRARY_PATH export DYLD_FALLBACK_LIBRARY_PATH=/usr/local/cuda/lib::$HOME/anaconda/lib:/usr/local/lib:/usr/lib:$DYLD_FALLBACK_LIBRARY_PATH export PYTHONPATH=/usr/local/lib/python

Mac OS X 10.10安装深度学习框架Caffe教程

Mac OS X 10.10安装深度学习框架Caffe教程 Author: Hoondy.com 翻译和修订:赵毅力(panovr at gmail dot com) 这份教程是关于在Mac OS X 10.10上安装深度学习框架Caffe的详细指南(成功测试的操作系统是Mac OS X10.10.3,2.3 GHz的英特尔酷睿i7 CPU,NVIDIA的GeForce GT650M显卡) 在过去的几天,我一直尝试着在我的MacBook Pro上面安装Caffe框架。Caffe是由Berkeley视觉小组开发的深度学习框架,你可以从Caffe的主页上http://caffe.berkekeyvision.org/获取更多关于它的介绍。如果你正在阅读这篇教程,你可能已经注意到了要在Mac OS X上面安装Caffe框架,你必须安装正确的依赖,并从不同的地方下载几个第三方库和工具包。Caffe网站上关于Mac OS X的安装文档有点过时,并不十分完整,有时还有点令人费解。所以,我决定分享我的成功故事,并为简单起见,我把它做成一个一步一步的安装教程,用于帮助和指导其他人如何在Mac OS X上安装Caffe框架。为了获得最大的计算性能,我将使用我的MacBook Pro上面的NVIDIA GPU并链接NVIDA的cuDNN GPU库进行加速。

从特征描述符到深度学习:计算机视觉发展20年

图片
从特征描述符到深度学习:计算机视觉研究20年 Author: Tomasz Malisiewicz 翻译:赵毅力(panovr at gmail dot com) 我们都知道在过去两年(2012-2014年)深度卷积神经网络在目标检测与识别的基准测试中有过辉煌的成绩,所以你可能会问:在此之前的物体识别技术是什么样子?早期识别系统的设计和现代以多层卷积为基础的框架之间的关系是什么? 让我们先来回顾一下过去 20 年里计算机视觉研究中的一些重要理论和方法。

BLAS & LAPACK for Windows

BLAS and LAPACK  from Netlib are the de facto libraries for linear algebra. For those interested in using BLAS and LAPACK on Windows platform, I have compiled them in 32bit and 64bit libraries by Intel® Fortran Compiler XE 13.1 and Visual Studio 2010.