pycuda做2D卷积

第一次写帖子,也想长期在这里写帖子,一起交流学习。直接给代码import numpy import pycuda.autoinit import pycuda.driver as cuda from pycuda.compiler import SourceModule TILE_W = 16 TILE_H = 16 KERNEL_RADIUS = 1 KERNEL_W = 2 * KERNEL_
阅读本文

使用putty配置windows客户端远程登录深度学习服务器

导师大手一挥给了块闲置的TitanX,加上毕业师兄留下的一台服务器级主机,花一天时间配了个深度学习环境出来。 实验室其他组有好几台这样的服务器。以前看人家测试代码都是自己电脑和服务器两头跑,心想这么搞看起来好土,把主机做好当个远程环境、在本机上run代码不就完了吗。 结果轮到自己配环境,还是查了好多文章。主要是对linux、Jupyter都一窍不通。 肯定有其他更简单美妙的实现方式。这里权做
阅读本文

[Caffe]使用经验积累

Caffe使用经验积累本贴记录Caffe编译好了,使用过程的常用命令与常见错误解决方式。如果对编译过程还存在问题,请参考配置Caffe环境。1 使用方法训练网络xxx/caffe/build/tools/caffe train --solver xx/solver.prototxt选择某个模型作为预训练模型xxx/caffe/build/tools/caffe train --solver sol
阅读本文

[Caffe]史上最全的caffe安装过程

Linux下的GPU版Caffe安装方法系统环境:Ubuntu 14.04LTS + NV TitanX1.1 (可选)显卡驱动的安装(有风险)如果需要重装,需要先卸载已有版本sudo apt-get remove - -purge nvidia-* sudo apt-get remove - -purge cuda-*再重装一个比较稳定的版本sudo apt-get install -y nvi
阅读本文

深度学习框架介绍与比较

caffe, TensorFlow, Torch 框架 开发语言 最新版本 运行速度 灵活 文档 适合网络 平台 学习难度 Caffe c++/cuda 2017,1.0 快 一般 全面 CNN 所有系统 中等 TensorFlow c++/cuda/python 2017,1.3 中等 好 中
阅读本文

[Torch7]的安装

1 安装Torch。1.1 安装luarocklua是通过luarock来进行软件包管理的,Torch7的接口是lua,因此需要先安装Lua,本人安装的是lua52,安装过程主要参考Torch官方文档。1.2 参考官方文档遇到的问题记录参考Torch官方文档安装Torch7出现一些问题。 qlua installationluarocks install qtlua //not q
阅读本文

CUDA 学习笔记 1

CUDA 如今已是基本功了,得抓紧学习。 从哪开始呢,就先简介吧。 在这个数据爆炸的时代,对计算机性能的要求越来越高。而CPU时钟频率因接近物理极限无法继续提高,所以并行计算便成为了解决这一难题的最好方法。 如今 的CPU早已是多核心了,但并行计算还应该发掘更多的计算能力。GPU 作为一个具有很强运算能力的子系统,自然应当仁不让,尽力发挥作用。事实上这些研究早在几十年前就开始了。 GPU 的设计初
阅读本文

yolo V2

YOLO: Real-Time Object Detection只看一次 (YOLO)是一个实时对象检测系统。在 Titan X 上处理速度可以达到 40-90 FPS ,在  VOC 2007 上mAP(平均准确率)为78.6% ,在COCO test-dev上平均准确率为48.1%。 Model Train Test mAP FLOPS FPS Cfg Weights Old YOL
阅读本文

配有Tesla K40c的服务器新装Ubuntu16.04并安装CUDA8.0、Anaconda3、Matlab2016a、OPENCV3.1、CuDNN5.1、MXNet

决定加入深度学习的大军,感谢导师给配了台新设备!第一次接触服务器并配置开发环境,整个过程中遇到不少坑,但是好在最后都成功解决了。不过有点担心的是,Tesla k40c 默认还要一个辅助供电,我目前只插了8pin的供电接口,6pin的供电接口没插,不知道后续计算会不会受影响……心里怕怕的……     首先报一下硬件配置:        服务器:联想TD350:
阅读本文

编译thrift外篇-关于默认链接包

根据 https://stackoverflow.com/questions/9922949/how-to-print-the-ldlinker-search-path 使用 ldconfig -v 2>/dev/null | grep -v ^$‘t‘ll /usr/local/cuda-8.0/lib64 /usr/lib/x86_64-linux-gnu/libfakeroot /usr/
阅读本文

OpenCV学习之图像分割

一、边缘提取常用算子1、sobel算子边缘检测//Sobel梯度算子 void imageSobel(){ const char* name = “lena.tif“; IplImage* image = cvLoadImage(name, CV_LOAD_IMAGE_GRAYSCALE); if (image == NULL){ printf(“image load failed.n
阅读本文

object detection[YOLOv2]

接着扯YOLO v21 - 在所有卷积层上用BN,并扔掉dropout(448*448)的图片微调10个epoch,然后在将前面的卷积层留待检测模型用。 3 - 使用anchor box(而这几个anchor box是基于训练集数据的标签中(w,h)聚类出来的),加快模型收敛 4 - 去掉全连接层,扔掉最后一层池化层,并且将网络的输入端resize为(416*416),从而输出的是一个
阅读本文

使用Faster-Rcnn进行目标检测(实践篇)转载

原理上一篇文章,已经说过了,大家可以参考一下,实验我使用的代码是Python版本的Faster Rcnn,官方也有Matlabpy-faster-rcnn(python)faster-rcnn(matlab)环境配置按照官方的README进行配置就好,不过在这之前大家还是看下硬件要求吧 For training smaller networks (ZF, VGG_CNN_M_1024) a g
阅读本文

GPU、CPU的异同

一、概念  CPU(Center Processing Unit)即中央处理器,GPU(Graphics Processing Unit)即图形处理器。二、CPU和GPU的相同之处  两者都有总线和外界联系,有自己的缓存体系,以及数字和逻辑运算单元,两者都为了完成计算任务而设计。三、CPU和GPU的不同之处  CPU虽然有多核,但一般也就几个,每个核都有足够大的缓存和足够多的数字和逻辑运算单元,需
阅读本文

二插排序树

二分查找只适用于静态查找,不适合改变查找表。当然他们的时间复杂度都是logn 头文件 #ifndef _BSTREE_H_ #define _BSTREE_H_ typedef void BSTree;//数据封装 typedef void BSKey; /********************** 结点指针域定义 **********************/ typ
阅读本文

插值法查找

#include <stdio.h> #include <time.h> #define SIZE 20 void print_array(int a[], int len) { int i = 0; for (i = 0; i < len; i++){ printf(“%d,“, a[i]); } printf(
阅读本文

CMU开源:多目标人体关键点实时检测

即将加入(但是已经实现!)身体+手势+人脸估计展示: 尽管该库使用了Caffe,但是代码还是很容易向其他框架(如Tensorflow 或者Torch 等)中移植。如果你实现了任何这方面的代码,请发出合并请求我们会很乐意在该库中添加你的实现。 OpenPose库的主要功能性: 多人15或18关键点身体位姿估计和渲染: 多人2*21关键点手势估计和渲染(未来1-2月内开源!)
阅读本文

TensorFlow配置日志等级

import os os.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘2‘ import os os.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘1‘ # 这是默认的显示等级,显示所有信息 # 2级 import os os.environ[‘TF_CPP_MIN_LOG_LEVEL‘]=‘2‘ # 只显示 warning 和 Error # 3级
阅读本文

keras中文文档笔记4——配置与安装

配置 推荐配置 如果您是高校学生或者高级研究人员,并且实验室或者个人资金充沛,建议您采用如下配置: 主板:X299型号或Z270型号 CPU: i7-6950X或i7-7700K 及其以上高级型号 内存:品牌内存,总容量32G以上,根据主板组成4通道或8通道 SSD: 品牌固态硬盘,容量256G以上 显卡:NVIDIA GTX TITAN(XP) NVIDIA GTX 1080ti、NV
阅读本文