登录社区云，与社区用户共同成长
邀请您加入社区
好记忆不如烂笔头，能记下点东西，就记下点，有时间拿出来看看，也会发觉不一样的感受.AI时代下，人人都在讲开源（Open Source）。开源一词，可以说是近些年人工智能领域最热门的主题词之一。从概念上理解，开源全称为开放源代码，指企业/开发者/普通终端用户能够利用源代码在其基础上进行修改和学习。这一概念从提出至今，已经历三十年的发展。从最初Linux开源操作系统，到Github平台社区的建立，再到
1、指纹识别1开发思路：指纹特征提取，指纹匹配，输出结果2开发工具：visual studio 2010以上、opencv 2.14.3、qt5.0以上、GCC、ARM-Linux-GCC/G++3开发语言：C++4硬件平台：ARM（linux）：JZ2440、Mini2440、树莓派、全志A33等5实验结果：6备注信息：Windows平台应用vs工具实现算法并优化，移植虚拟机中的Ub...
自己先安装docker和nvidia-docker再看下面的教程。我这里GPU型号为 tesla T4, 算力为7.5，会有一些特殊处理。首先是我不会在Dockerfile中编译caffe本次环境安装通过Dockerfile安装，如果按照本教程要先安装docker以及nvidia-docker1. 下载caffe的代码git clone https://github.com/BVLC/c...
RKNN-Toolkit2支持的深度学习框架包括Caffe、TensorFlow、TensorFlow Lite、ONNX、DarkNet和PyTorch。
TheanoTheano最初诞生于蒙特利尔大学 LISA 实验室，于2008年开始开发，是第一个有较大影响力的Python深度学习框架。Theano 是一个 Python 库，可用于定义、优化和计算数学表达式，特别是多维数组（numpy.ndarray）。在解决包含大量数据的问题时，使用 Theano 编程可实现比手写 C 语言更快的速度，而通过 GPU 加速，Theano 甚至可以比基于 CPU
在RKNN上实现人脸识别过程。模型采用RetinafaceMobilefaceNet。采用Python代码 在线实现
硬件使用的是sipeed的荔枝派4A，操作系统是openeuler23.03v1默认账户密码：rootopenEuler12#￥。
最近尝试在ubuntu中安装nvidia的显卡驱动以及cuda。花了近三天时间，真的如网上所说错误百出，期间甚至重装了一次ubuntu系统，搞到怀疑人生，整个都是泪- -。最终经过百般“磨难”总算安装成功。此篇博客将我的整个安装过程介绍一下，包括错误的步骤与我个人理解的错误分析，以及最终成功的安装方法。一方面作为后来人的参考，另一方面也作为我的学习记录。----------------------
一个详细的CUDA和cuDNN安装教程：caffe安装系列——安装cuda和cudnn
注意：本教程只针对以下配置而言，其他配置可能会出现其他问题，不承担任何责任。配置说明：双硬盘双系统，250G固态硬盘装了win10，4T机械硬盘装了Ubuntu16.04双显卡：集显加独显（GTX1080）先按照了win10，再装Ubuntu16.04，都是制作了U盘引导盘安装，没什么好说说明1、1080装机只能使用DVI接口的显示器，无法使用VGA或者转接头之类的。或者先使用集显连显示器。当然当
最近又尝试了在windows10下编译SSD，无奈出现了很多错误。参考网址：https://github.com/conner99/caffe首先是需要VS2013,由于我是装了VS2015，所以打算半将半就用2015编译，然而2015打开下载nuget依赖包的时候就死机，无奈放弃，又装了VS2013下载了caffe-ssd-microsoft之后复制path\to\caffe
1. pybind11报错：Unknown CMake command "pybind11_add_module".把https://github.com/pybind/pybind11下下来，放到3rdparty中，名字叫pybind11.然后在make的过程中应该会自动找到这个的。2.caffe/blob.hpp:9:34: fatal error: caffe/proto/caff...
转载：https://gitter.im/BVLC/caffe/archives/2015/08/20Hi guysneed some help!I have this error when trying to install caffeCXX src/caffe/parallel.cppsrc/caffe/parallel.cpp:2:26: fatal error: cuda...
在安装caffe-gpu版本的时候出现的Check failed: error == cudaSuccess (8 vs. 0) invalid device function的问题。原因分析由于Caffe已经很久没有更新了，所以官网上推荐的CUDA和cudnn版本任停留在CUDA8和cudnn5.1的状态，而现在机器中的显卡架构的更新可能导致无法成功安装Caffe-GPU版本。比如本人的笔记本显
解决方法CUDA运行时NVIDAI显卡必须是当前使用的显卡。否则无法获取GPU设备，cudaGetDeviceCount函数会报错，错误码35nvidia-prime切换显卡，如果只是按照提示logout，再重新login是不行的，必须重启系统，否则会报错，错误码30caffe的问题也是同样的道理因为caffe也要调用cuda的cudaGetDeviceCount函数获取GPU设备。
nvidia驱动+cuda7.5+cuDNN-v5对别的框架也适用，是通用的。Caffe是纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换：Caffe::set_mode(Caffe::GPU);Caffe支持各种系统，速度快，文档全，支持CNNCaffe的优势上手快：模型与相应优化都是以文本形式而非代码形式给
1.下载和计算机相应的驱动2.编译并测试cuda中的examplesudo apt-get install build-essentialsudo make allcd bin/x86_64/Linux/release/./deviceQuery./bandwidthTest3.参考书上的依赖库安装：sudo apt-get install libpro
一、NVIDIA驱动安装1、关闭security boot 现在的笔记本电脑，特别是使用security boot方式安装Ubuntu。要正确安装驱动，必须关闭security boot(进入bios中关闭，在重启)。2、下载驱动 在这个网址搜索自己显卡型号对应的驱动程序http://www.geforce.cn/drivers/results/1342873、屏蔽驱动源$ sud
动机由于工作需要，常常会需要对模型进行日常训练更新，基本的pipeline包括：dump新的数据处理数据训练网络模型处理模型测试模型发布这些工作其实主要是按部就班的事情，处理数据和网络结构等不会每天都改动。所以一直先做也个傻瓜版本的训练系统，直接交给工程人员使用，这样一个人就可以一键完成整个pipeline，从而大大减少人力成为，并减少由于误操作带来的问题。特性这个网页版训练系统应该包
摘要：AI已从"聊天伙伴"转变为需要系统管理的"超级实习生"。提示词工程成为关键管理工具，包括：1)系统提示和角色扮演，为AI设定专业边界；2)提供高质量上下文作为决策依据；3)思维链技术确保逻辑严谨；4)思维树方法探索多路径解决方案。这种工程化管理能提升AI输出的确定性，降低业务成本，并形成独特的数字资产壁垒。未来核心竞争力将不再是单一提示词，而是整套AI
AI Agent的瓶颈与突破：MCP协议开启AI"即插即用"时代 当前AI应用面临核心困境：大模型虽智能却缺乏与物理世界连接的能力，导致其更像"聊天伙伴"而非"办事员"。Anthropic公司提出的MCP协议（模型上下文协议）正试图解决这一痛点，其核心价值在于： 标准化革命：MCP如同AI世界的USB-C接口，统一了AI与外部工具的通信标
Caffe学习：pycaffe的使用Caffe，是由牛校-伯克利大学的贾杨清等人开发的一个开源的深度学习框架。Caffe采用高效的C++语言来实现，并内置有Python和MATLAB接口，以供开发人员使用Python或MATLAB来开发和部署以深度学习为核心算法的应用。Caffe适用于互联网级别的海量数据处理，包括语音，图片，视频等多媒体数据。Caffe的高速运算可以通过使用GPU来实现。Ca..
/此处是32位灰度图像（黑白）;//640*480转227*227。我们打开电脑自带的摄像头软件，放置在left=0，top=0的地方，然后程序中。然后遮住摄像头，识别了一下，softmax处理后的结果是7左右，还行！//不用glob_rgbValues[nn * 4+3]alpha分量。，实时截屏rect=（0，0，640，480）区域，然后我们调用。训练后，识别了一下，softmax处理后的结
matlab2016a+caffe-windows+VS2013 +python2.7(win7 cpu-only)配置深度学习测试平台需要工具：matlab2016a、caffe-windows、vs2013、RapidEE、cmake-3.8、Anaconda2 (python 2.7)1.安装matlab2016a将matlab加入系统环境变量2.安装VS2013将VS2013加入系统环境变
经过两天的尝试与失败，终于成功在mac上成功编译caffe，总结过程可以分为依赖包的安装，以及caffe的编译过程，其中依赖包的安装过程中又涉及很多工具包，路径设置问题（大多数人的错误来自于此），所以当发现错误时，首先可以先看是否路径设置错误，在看是不是依赖包没安装完全，版本是否匹配，然后caffe编译的过程的错误大多来自Makefile.config的配置问题。成功编译，参考了两篇博客博客一，博
0、YOLOv1论文YOLOv1核心思想：从R-CNN到Fast R-CNN一直采用的思路是proposal+分类（proposal提供位置信息。分类提供类别信息），精度高，但速度不行。YOLOv1更为直接一点，直接在输出层回归bounding box的位置和其所属类别，整张图作为网络的输入，把object detection的问题转换成一个regression问题。算法原理：1、...
作者的思路就是Faster R-CNN+YOLO，利用YOLO的思路和Faster R-CNN的anchor box的思想。.0 导读（本节来源于BOT大赛嘉宾问答环节 ）SSD 这里的设计就是导致你可以一下子可以检测 8 张图，FasterRCNN 一下子只能检测 1 张图片，这样的话会导致会有 8 张图片的延迟。但是我觉得如果你用 FasterRCNN 的话，你可以优化前面...
前言按照微软的官方地址配置可能会出现一个问题caffe_.mexw64找不到引用模块问题，或者在matlab里面压根找不到caffe_这个函数，下面会提到这两个问题。还是按照步骤来吧【PS1】有GPU同样按照下述步骤，进行即可【PS2】文章在matlab2013a、matlab2014a、matlab2015b中配置成功，但是在高版本或者更低版本情况下可能会出现问题
在编译用于训练openpose的caffe时，make之后产生如下错误：LD -o .build_release/lib/libcaffe.so.1.0.0-rc3/usr/bin/ld: cannot find -lopenblascollect2: error: ld returned 1 exit statusMakefile:570: recipe for target '.bu...
caffe 为什么看不到自己定义的输出？因为自己定义的位置不对。比如你用gpu跑的时候，你必须写在 .cu 里面，如果是用cpu跑，那么必须写在 .cpp 里面。一般建议调试的时候用cpu来跑，除非你非常熟悉 CUDA 程序。再就是 caffe 有好几个输出级别，一般的信息输出是 INFO，错误是ERROR，致命错误是FATAL，比如：LOG（INFO） << "loss value is: "
问题描述在升级tensorflow版本之后，更新了cudnn，再重新 import caffe 报错 Intel MKL FATAL ERROR: Cannot load libmkl_avx2.so or libmkl_def.so在尝试把libmkl_avx2.so和libmkl_def.so对应路径加入LD_LIBRARY_PATH均未解决；网上提供的解决方法有重新安装mkl，num...
电脑环境Windows ServerVS2015Cuda 9.2cudnn-9.2-windows10-x64-v7.4.2.24 (download links)caffe (download links)参考博客https://blog.csdn.net/qq_33993942/article/details/79149669 （主要参考）https://www.cnbl...
作为初学者，最近刚接触Ascend200DK，按照官方的指导一步步搭建起了开发+运行环境，指导可以参考下面这个链接：https://gitee.com/lovingascend/quick_start/blob/master/Atlas200DK_separate_MD/environment.md运行的第一个样例就是Mindstudio自带的Resnet50网络，对晟腾AI处理器的强大性能尤为印
import caffeimport cv2import sysimport matplotlib.pyplot as plt#import Imagedef deploy(img_path):caffe.set_mode_gpu()MODEL_JOB_DIR = '/dli/data/digits/20180301-185638-e918'DATAS...
问题：在做车系识别过程中，先用py-faster-rcnn检测物体位置，（py-faster-rcnn项目里有一个Caffe）。再用最新版本的caffe（caffe）训练（微调）一个分类器。现在想在一个程序里完成两步。都是调用 python接口，会出现如下错误：GPU mode[libprotobuf ERROR google/protobuf/text_format.cc:298] Error
学习或使用Tensorflow、caffe、Pytorch等深度学习框架时，往往需要使用GPU加速计算。因为深度学习框架有不同的版本，显卡有不同的类型，显卡驱动程序也有不同的版本，还有不同的操作系统，所以在安装GPU的各类驱动程序时容易出各种问题。本文一方面总结安装GPU驱动的要点，另一方面记录成功的安装示例。（版本更新还贼快！生搬硬套容易搞炸！）
导言 本教程中，我们将会利用Caffe官方提供的深度模型——CaffeNet（该模型是基于Krizhevsky等人的模型的）来演示图像识别与分类。我们将分别用CPU和GPU来进行演示，并对比其性能。然后深入探讨该模型的一些其它特征。
一、错误提示：/usr/bin/ld: 找不到 -lopencv_imgcodecs 或者 caffe cannot find lopencv_imgcodecs二、原因：opencv_imgcodecs is needed and available in opencv 3.0+.You don’t need to link it if using version 2.4.11.Ple...
caffe
——caffe
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
openvela
九章云极普惠算力
鲲鹏昇腾开发者社区
FlagOS智算系统软件栈
2048 AI社区
昇腾开源生态专区
