成长的脚印

问题描述： 本人使用硬件1050 2G显卡，在运行faster-rcnn中的./tools/demo.py时，出现以下问题： Loaded network /mydata/rcnn/py-faster-rcnn/data/faster_rcnn_models/VGG16_faster_rcnn_final.caffemodel F0318 09:18:46.357918 17490 sync

环境： ubuntu16.04.2 gtx1050 2g cuda8 cudnn5.1 问题描述： 使用faster rcnn中的caffe时，修改Makefile.config，无法编译通过 cudnn:=1，而blvc中的caffe是可以再cudnn:=1的情况下编译成功的。原因是随之caffe的更新，支持了cudnn5.1，而faster rcnn中的caffe一直没有更新 解

经过今天一天的实验，充分了解了在深度学习领域，显存大的重要性。 不得不承认，有了N卡以后，效率提高了很多，当然这也得益于纠缠于cpu训练faster rcnn的日子.... （1）今天早上，主要解决了faster rcnn 下的caffe不能编译的问题。 问题产生的原因是faster rcnn下的caffe不支持cudnn5.1，当时就单纯的把Makefile.config下的 USE_CU

本人迷信AMD战未来，于去年毕业后，购买AMD RX480，但是caffe下的GPU加速默认针对n卡，需要安装cuda。至此要么换卡，要么使用opencl版的caffe。想了想，也许rx480以后可以在深度学习领域战未来呢？于是乎，走上了安装opencl-caffe的不归路。 简要安装指南： 一、安装纯净ubuntu16.04.2系统 这是首先要做的事情，本人使用了win10+ubuntu1

本次实验环境为： ubuntu16.04.2 gtx1050 2G 之前一直使用cpu进行实验，因为要使用faster rcnn，此时再使用cpu进行实验时，虽然按照网络上各种修改后，可以使用cpu进行训练，但是我出现了无法保存模型文件的问题。深深的感觉到有一个正常的实验环境是多么重要。否则会把问题纠结于各种环境和修改无关紧要的问题（gpu-》cpu）上，无法继续实验。之前小一点的数

环境： ubuntu16.04.2 nvidia 375.39 问题描述： 在编译caffe runtest时候，出现的问题 /sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 不是符号连接 /sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 不是符号连接 原因： 系统找

[  FAILED  ] 3 tests, listed below: [  FAILED  ] DetectNetTransformationLayerTest/1.TestHueRotation, where TypeParam = caffe::CPUDevice [  FAILED  ] DetectNetTransformationLayerTest/1.TestAllAugment