转自：http://blog.csdn.net/yaoxingfu72/article/details/47999795首先确保你caffe编译成功，而且makefile.config中将DEBUG：=1那一行取消注释，我的caffe根目录为 caffe-master。你也可以在Eclipse中编译caffe，我是先编译好caffe，然后进入Eclipse中调试1

问题：      Datatype class: H5T_FLOAT,      Check failed: error == cudaSuccess (2 vs. 0)  out of memory.      hdf5 layer 最大的导入的大小是2G, 超过会报错[1]。解决方法：     有人 h5repart -m1g 将数据集分割成多个文件每个是

lr_policy可以设置为下面这些值，相应的学习率的计算为：- fixed:　　 保持base_lr不变.- step: 　　 如果设置为step,则还需要设置一个stepsize,  返回 base_lr * gamma ^ (floor(iter / stepsize)),其中iter表示当前的迭代次数- exp:   　　返回base_lr

参考网站：http://blog.csdn.net/xizero00/article/details/43227019/ (主要参考)http://www.cnblogs.com/platero/p/3993877.html (caffe+cudaGPU)http://www.cnblogs.com/platero/p/4118139.html (cuDNN)http://developer.download.nvidia.com/compute/cuda/

问答环节问：在finetuning的时候，新问题的图像大小不同于pretraining的图像大小，只能缩放到同样的大小吗？” 答：对的：）问：目前dl在时序序列分析中的进展如何？研究思路如何，能简单描述一下么答：这个有点长，可以看看google最近的一系列machine trans

因工作交接需要， 要将caffe使用方法及整体结构描述清楚。 鉴于也有同学问过我相关内容， 决定在本文中写个简单的tutorial, 方便大家参考。 本文简单的讲几个事情：Caffe能做什么？为什么选择caffe?环境整体结构Protocol buffer训练基本流程Python中训练Debu

    一直在研究怎样用caffe做行人检測问题。然而參考那些经典结构比方faster-rcnn等，都是自己定义的caffe层来完毕的检測任务。这些都要求对caffe框架有一定程度的了解。近期看到了怎样用caffe完毕回归的任务，就想把检測问题当成回归问题来解决。   

本系列文章由 @yhl_leo 出品，转载请注明出处。 文章链接：http://blog.csdn.net/yhl_leo/article/details/52150781 整理之前编译工程中遇到的一个Bug，贴上提示log信息：...CXX/LD -o .build_release/examples/siamese/convert_mnist_siamese_data.bin.build

1.caffe主页，有各种tutorial。2.Evan Shelhamer的tutorial，包括视频。 

几乎没用过linux操作系统，不懂shell编程，linux下shell+windows下UltraEdit勉勉强强生成了train.txt和val.txt期间各种错误辛酸不表，照着examples/imagenet/readme勉勉强强用自己的数据，按imagenet的训练方法，把reference_caffenet训起来了，小笔记本的风

#　编写一个函数，将二进制的均值转换为python的均值def convert_mean(binMean,npyMean):blob = caffe.proto.caffe_pb2.BlobProto()bin_mean = open(binMean, 'rb' ).read()blob.ParseFromString(bin_mean)arr = np.array( caffe.io.blobproto_to_array(blob)

1.Ubuntu https://www.cnblogs.com/EasonJim/p/7112413.htmlhttps://blog.csdn.net/jesse_mx/article/details/61425361 安装后启动不了，直接进入windows.解决方案：https://www.cnblogs.com/lymboy/p/7783756.htmlhttps://jingyan.baidu.com/article/5553fa