一、安装mongo数据库1，在www.mongodb.com上下载和操作系统相对应的版本2，解压，用命令或右键都可以3，在终端，跳转到 mongodb/bin目录运行：./mongod --dbpath /home/lw/mongodb-linux/data --logpath /home/lw/mongodb-linux/log/mongod.log  --fork

一、数据集文件数据分析ImageSets里Main文件夹，用到4个文件： - train.txt 是用来训练的图片文件的文件名列表 - val.txt是用来验证的图片文件的文件名列表 - trianval.txt是用来训练和验证的图片文件的文件名列表 - test.txt 是用来测试的图片文件的文件名列表 分析VOC2007数据集发现：train.txt    

import numpy as np# 获得混淆矩阵def BinaryConfusionMatrix(prediction, groundtruth):"""Computes scores:TP = True Positives真正例FP = False Positives假正例FN = False Negatives假负例TN = True Negatives真负例return: TP, FP

前言F1是我们常用的衡量指标,不知道有多少同学和我一样,对micro macro一直似懂非懂,于是今天手动算了一下,分享给大家~ 相信大家看了就明白了本文的前提是,读者已经懂了precision和recall的基本概念,不清楚的同学可以先去看一下其他的文章~差准率(precision)和查全率(recall)对于二分类来说,可以将标签分为正类和负类,如下图真实标签 ＼ 预测标签...

#获得视频的格式videoCapture = cv2.VideoCapture('/home/lw/3661.mp4')#获得码率及尺寸fps = videoCapture.get(cv2.CAP_PROP_FPS)size = (int(videoCapture.get(cv2.CAP_PROP_FRAME_WIDTH)),int(videoCapture.ge...

转载自己：http://www.cnblogs.com/denny402/p/5070928.html要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有

boost‘准标准库’安装过程。系统是ubuntu虚拟机，安装的是boost_1_60_0。（1）首先去下载最新的boost代码包，网址www.boost.org。https://dl.bintray.com/boostorg/release/1.70.0/source/（2）进入到自己的目录，解压：bzip2 -d boost_1_60_0.tar.bz2tar xvf boo...

import osimport tensorflow as tfimport tensorflow.contrib.slim as slimCURRENT_DIR = os.getcwd()train_dir= CURRENT_DIR + '/logs/'a = tf.placeholder(tf.float32, shape=[None, 6, 512], name='a')...

转载自己：http://www.cnblogs.com/denny402/p/5070928.html要运行caffe，需要先创建一个模型（model)，如比较常用的Lenet,Alex等， 而一个模型由多个屋（layer）构成，每一屋又由许多参数组成。所有的参数都定义在caffe.proto这个文件中。要熟练使用caffe，最重要的就是学会配置文件（prototxt）的编写。层有

在训练过程中画出accuracy和loss曲线能够更直观的观察网络训练的状态，以便更好的优化网络的训练。本文主要介绍在基于caffe框架训练网络时，如何利用caffe自带的一些实用的工具包来绘制曲线一、设置训练配置文件参数，保存训练时的参数至log文件 TOOLS=./build/toolsLOG=examples/testCreateLmDB/log/log-`date +%Y-