caffe訓練自己的資料時的錯誤
[email protected]:/home/wzy/caffe-master# sh examples/wzy/create_meanfile.sh F0821 16:03:04.561220 17469 db_lmdb.hpp:15] Check failed: mdb_status == 0 (2 vs. 0) No such file or directory *** Check failure stack trace: *** @ 0x7fa03e8175cd google::LogMessage::Fail() @ 0x7fa03e819433 google::LogMessage::SendToLog() @ 0x7fa03e81715b google::LogMessage::Flush() @ 0x7fa03e819e1e google::LogMessageFatal::~LogMessageFatal() @ 0x7fa03ec33dd8 caffe::db::LMDB::Open() @ 0x402185 main @ 0x7fa03d788830 __libc_start_main @ 0x402bb9 _start @ (nil) (unknown) examples/wzy/create_meanfile.sh: 行 5: 17469 已放棄 (核心已轉儲) $TOOLS/compute_image_mean $EXAMPLE/ilsvrc12_train_lmdb $DATA/imagenet_mean.binaryproto Done.
其中create_meanfile.sh內容為:
EXAMPLE=examples/wzy
DATA=examples/wzy
TOOLS=build/tools
$TOOLS/compute_image_mean $EXAMPLE/ilsvrc12_train_lmdb $DATA/imagenet_mean.binaryproto
echo "Done."
原因是create_wzynet.sh中
$EXAMPLE/ilsvrc12_train_lmdb
這一行後面有多餘的"#生成的lmdb路徑行"註釋,去掉註釋時,留下了一些空格,
導致建立的ilsvrc12_train_lmdb 目錄後面也有空格,因此執行create_meanfile.sh時就找不到這個目錄了
create_wzynet.sh內容:
EXAMPLE=examples/wzy/ DATA=examples/wzy/data/ TOOLS=build/tools TRAIN_DATA_ROOT=/ VAL_DATA_ROOT=/ # 這裡我們開啟resize,需要把所有圖片尺寸統一 RESIZE=true if $RESIZE; then RESIZE_HEIGHT=256 RESIZE_WIDTH=256 else RESIZE_HEIGHT=0 RESIZE_WIDTH=0 fi ....... echo "Creating train lmdb..." #生成的lmdb路徑 GLOG_logtostderr=1 $TOOLS/convert_imageset \ --resize_height=$RESIZE_HEIGHT \ --resize_width=$RESIZE_WIDTH \ --shuffle \ $TRAIN_DATA_ROOT \ $DATA/train.txt \ $EXAMPLE/ilsvrc12_train_lmdb echo "Creating val lmdb..." #生成的lmdb路徑 GLOG_logtostderr=1 $TOOLS/convert_imageset \ --resize_height=$RESIZE_HEIGHT \ --resize_width=$RESIZE_WIDTH \ --shuffle \ $VAL_DATA_ROOT \ $DATA/val.txt \ $EXAMPLE/ilsvrc12_val_lmdb echo "Done."
相關推薦
如何利用caffe訓練自己資料集
這篇博文主要參考了另一位博主https://blog.csdn.net/hellohaibo,在此向他表示感謝 首先,博主今天的caffe崩了,毫無徵兆的崩了,具體表現為博主想做一個更大的資料集,但是在生成lmbd檔案時永遠生成的是一個沒有名字的資料夾,可是博主已經在指定的example目錄裡寫了
yolo3訓練自己資料時出現cuda error
cuda error: out of memory darknet: ./src/cuda.c:36: check_error: Assertion `0' failed. 解決方法: 一、Darknet編譯使用GPU要求顯示卡是Nvidia卡並且正確安裝了CUDA。 GPU環境
caffe訓練自己的資料時的錯誤
[email protected]:/home/wzy/caffe-master# sh examples/wzy/create_meanfile.sh F0821 16:03:04.561220 17469 db_lmdb.hpp:15] Check fa
用caffe訓練自己的資料集(三)
本文主要參考了:https://blog.csdn.net/heimu24/article/details/53581362 https://blog.csd
用caffe訓練自己的資料集(二)
本文主要參考了:https://blog.csdn.net/heimu24/article/details/53581362 https://blog.c
用caffe訓練自己的資料集(一)
本文主要參考了:https://blog.csdn.net/heimu24/article/details/53581362 https://blog.csd
《錯誤手記-01》 facenet使用預訓練模型fine-tune重新訓練自己資料集報錯
環境資訊:windows10+python3.5+tensorflow1.6.0 問題描述: 在自己的訓練集上跑train_softmax.py. 引數: --logs_base_dir F:/work/runspace/log/ --models_base_
caffe訓練自己的資料集
https://www.cnblogs.com/wktwj/p/6715110.html 預設caffe已經編譯好了,並且編譯好了pycaffe 1 資料準備 首先準備訓練和測試資料集,這裡準備兩類資料,分別放在資料夾0和資料夾1中(之所以使用0和1命名資料類別,是因為方便標註資料類別,直接用資料夾的名
YOLOv3在訓練自己資料集時的速度慢問題
YOLOv3以速度快著稱,但是在訓練自己的資料集時發現儘管在命令中同時開啟了多塊gpu,但速度仍舊很慢。按照其他人的訓練日誌可以看出64batch的單gpu訓練,每次迭代大約需要不到1秒但是自己在訓練時卻需要好幾個小時,首先想到的是自己的資料集是否圖片解析度太高,比較之後發現
實踐二:caffe環境配置以及使用ssd-caffe訓練自己的資料集
1:環境配置 首先,我們把專案程式碼clone下來, 然後編譯: git clone https://github.com/weiliu89/caffe.git cd caffe git checkout ssd 檢視有沒有安裝opencv pkg-co
windows10+GPU下caffe資料集Lmdb格式製作+訓練自己資料集
最近做人臉識別專案,想用到caffe訓練自己的資料,電腦作業系統為win10+GPU,這裡對caffe-windows配置、資料集製作、訓練資料都做一些介紹。(無GPU配置的看我這個部落格)。如果你用的是vs2015,那麼下面介紹的caffe不適合,要用BVLC wind
caffe訓練自己模型時候出現這個錯誤。
caffe/My_Files/lenet_train_test.prototxt [libprotobuf ERROR google/protobuf/text_format.cc:298] Error parsing text-format caffe.NetParameter: 227:7: M
caffe訓練自己的資料集——2. 開始訓練
一、配置檔案 1. 網路結構 henet_car_train_test.prototxt #name: "LeNet" layer { name: "mnist" type: "Data" top: "data" top: "lab
【caffe】使用caffe訓練自己的資料
1.生成lmdb caffe在安裝包裡提供了用於生成lmdb資料的指令碼,在使用時只需修改其中幾個引數。 開啟create_imagenet.sh 需要修改的引數有以下幾個: EXAMPLE=examples/imagenet/project#工作資料夾的路徑 DATA=exampl
caffe訓練自己的資料集——1. 資料準備
一、重新命名資料 1. 引數說明: rootPath:指定根目錄,default=”J:/datasets/car/”,僅對於存在二級目錄的時候生效 inputPath:輸入目錄,default=”J:/datasets/carPlate/test/”
Caffe-Windows訓練自己資料 + 遷移學習
一:目的 用配置好的Windows版本Caffe(no GPU),使用caffe自帶的ImageNet網路結構進行訓練和測試。訓練自己的資料; 用caffe團隊採用imagenet圖片進行訓練的引數結果,進行遷移學習; 二:訓練與測試 1. 資料集下載與處理 (
ubuntu caffe 訓練自己的資料(簡單)
學習的caffe的目的,不是簡單的做幾個練習,而是最終落實到自己的專案或科研中去。因此,本文介紹一下,從自己的原始圖片到lmdb資料,再到訓練和測試的整個流程。一、資料的準備 有條件的同學,可以去ImageNet的官網下載ImageNet圖片來訓練。 我重新找了
caffe訓練自己的資料
1。準備資料 參:學習筆記3 用自己的資料訓練和測試-薛開宇 2。調整影象大小到256×256 3。生成leveldb 資料。將 create_imagenet.sh檔案從imagenet資料夾中拷過去,修改路徑。 4。生成mean資料。將 make_imagenet_me
使用pytorch版faster-rcnn訓練自己資料集
使用pytorch版faster-rcnn訓練自己資料集 引言 faster-rcnn pytorch程式碼下載 訓練自己資料集 接下來工作 參考文獻 引言 最近在復現目標檢測程式碼(師兄強烈推薦F
Caffe:使用 Caffe 訓練自己的 Alexnet
使用 Caffe 訓練自己的 Alexnet 1. 資料準備 2. 計算影象均值 3. 定義網路 3.1 修改 solver.prototxt 3.2 修改 train_val.proto