原文链接：http://blog.csdn.net/yhl_leo/article/details/51371936在编译caffe时遇到了该博文的第二种情况，改正后可以正确执行：（注意根据电脑情况可使用make all -j16）整理一下最近遇到caffe工程的一些编译错误以及解决方法。1 cuDNNcuDNN当前最新版本是v5，近两三年的一些caff

对象引用前加const报错:不能将“this”指针从“const a”转换为“a &”#include "stdafx.h" #includeusing namespace std;class a{int i;public:a(int j):i(j){}void show(){cout}};void test(const a &

问题原因：  造成该问题的原因是服务器集群（文件服务器的存储分别挂载到各个计算服务器中）中，在计算服务器上删除文件服务器（NFS:网络文件系统）上的内容时提示的错误。本人的具体事件：在计算服务器上生成了两个文件夹（生成文件的位置为文件服务器挂载的位置，也就是说生成到了文件服务器的存储上了）各自下面有一些文件，在计算服务器上执行删除命令：rm -rf new_dir* 后提示错误：rm: canno

对象引用前加const报错:不能将“this”指针从“const a”转换为“a &”#include "stdafx.h" #includeusing namespace std;class a{int i;public:a(int j):i(j){}void show(){cout}};void test(const a &

原文地址:http://blog.csdn.net/sunbaigui/article/details/39938097在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之后）。在DL开源实现caff

目录(?)[-]前言Ubuntu源码安装Ubuntu pip安装Windows环境下安装安装Anaconda 420安装PyQt包下载源码并运行使用方法后续说明项目地址：LabelImg前言我们知道，图片标注主要是用来创建自己的数据集，方便进行深度学习训练。本篇博客将推荐一款十分好用的图片标注工具LabelImg，重点介绍其安装以及使用的过程。在

1、人工智能的第一次浪潮--上世纪50-60年代----失败2、人工智能的第二次浪潮--上世纪80年代----失败3、人工智能的第三次浪潮--2016年（人工智能元年）----成功成功因素：1）计算机强大的计算能力（GPU（目前在功耗和性能上并不是最优，新一代的适用于深度学习的芯片有                    待面世）等）  2）海量的数据（大数据的推动）----延

因为之前一直都是用caffe做图像去噪、增强方面的工作，没太接触分类，上个学习会上通过报告学习了下关于分类的相关基础知识，为接下来分类的相关工作研究奠定下基础：基础之分类器：1、SVM：线性核SVM：一般应用于多分类，分类的结果（如3分类）最后会给出（约等于）1、2、3的值代表第1、2、3类                 非线性核SVM：一般应用于二分类问题上SVM需要训练，如通

原文地址:http://blog.csdn.net/sunbaigui/article/details/39938097在imagenet上的图像分类challenge上Alex提出的alexnet网络结构模型赢得了2012届的冠军。要研究CNN类型DL网络模型在图像分类上的应用，就逃不开研究alexnet，这是CNN在图像分类上的经典模型（DL火起来之后）。在DL开源实现caff

一、简述numpy.asarray(a,dtype=None,order=None)功能描述：将输入数据（列表的列表，元组的元组，元组的列表等）转换为矩阵形式a:数组形式的输入数据，包括list,元组的list，元组，元组的元组，元组的list和ndarraysdtype:数据类型由输入数据推导二、实例2.1将列表转化为数组from numpy im