Caffe---Pycaffe进行网络结构(xxx.prototxt)可视化

Pycaffe---进行网络结构(xxx.prototxt)可视化

解决网络结构(xxx.prototxt)可视化,还可以借助python接口,编写一个类似如下的pycaffe_draw_net.py:

# -*- coding: utf-8 -*-
#!/usr/bin/env python 

import caffe
import caffe.draw
from caffe.proto import caffe_pb2
from google.protobuf import text_format  

# Set the parameters
input_net_file = ‘/home/wp/caffe/myself/road/prototxt_files/train_val.prototxt‘ # net configuration file
output_image_file =‘/home/wp/caffe/myself/road/Log/road_net.jpg‘ # the output image
rankdir =‘LR‘ # net arrange method: LR、TB、RL  

# Read the net
net = caffe_pb2.NetParameter()
text_format.Merge(open(input_net_file).read(), net)  

# Draw the net
print(‘Drawing net to %s‘ % output_image_file)
caffe.draw.draw_net_to_file(net, output_image_file, rankdir)
print(‘done...‘)

# cd caffe

# python  ./xx/xx/pycaffe_draw_net.py

原文地址:https://www.cnblogs.com/carle-09/p/9087101.html

时间: 2024-11-06 21:16:17

Caffe---Pycaffe进行网络结构(xxx.prototxt)可视化的相关文章

Caffe学习系列(13):数据可视化环境(python接口)配置

caffe程序是由c++语言写的,本身是不带数据可视化功能的.只能借助其它的库或接口,如opencv, python或matlab.大部分人使用python接口来进行可视化,因为python出了个比较强大的东西:ipython notebook, 现在的最新版本改名叫jupyter notebook,它能将python代码搬到浏览器上去执行,以富文本方式显示,使得整个工作可以以笔记的形式展现.存储,对于交互编程.学习非常方便. 一.安装python和pip 一般linux系统都自带python,

基于Anaconda编译caffe+pycaffe+matcaffe in Ubuntu[不用sudo权限]

目录 caffe 编译 环境 github下载caffe源码 依赖 修改源码的编译配置 报错 测试使用 pycaffe caffe matcaffe caffe 编译 环境 Ubuntu16.04 CUDA10 cuDNN gcc 5.4 g++ 5.4 大前提!! 在服务器上面装,但是没有sudo权限,所以依赖的包都只能装在自己用户下的conda环境里 按理来说这个要求应该不少吧..但是搜出来一大堆博客都是要sudo权限,动不动就卸载.升级..做不到啊..只能各种在conda里删删减减..真的

docker[caffe&&pycaffe]

0 引言 今天花了一天,完成了整个caffe的dockerfile编写,其支持python3.6.6,这里主要的注意点是protobuf的版本,在3.6.0之后,只支持c11. FROM nvidia/cuda:9.0-cudnn7-devel-centos7 COPY ./Python-3.6.6.tgz /home COPY ./caffe /caffe COPY ./Centos-7.repo /etc/yum.repos.d COPY ./boost_1_67_0.tar.gz /hom

Caffe学习系列(11):数据可视化环境(python接口)配置

参考:http://www.cnblogs.com/denny402/p/5088399.html 这节配置python接口遇到了不少坑. 1.我是利用anaconda来配置python环境,在将caffe根目录下的python文件夹加入到环境变量这一步时遇到 问题,我用那个命令打开后不知道怎么加入export.其实可以用如下命令解决: sudo gedit ~/.bashrc 2.修改配置文件,只需修改anaconda部分,但注意!原注释中的anaconda改为anaconda2 3.在jup

Caffe学习系列——工具篇:神经网络模型结构可视化

Caffe学习系列--工具篇:神经网络模型结构可视化 在Caffe中,目前有两种可视化prototxt格式网络结构的方法: 使用Netscope在线可视化 使用Caffe提供的draw_net.py 本文将就这两种方法加以介绍 1. Netscope:支持Caffe的神经网络结构在线可视化工具 Netscope是个支持prototxt格式描述的神经网络结构的在线可视工具,网址:  http://ethereon.github.io/netscope/quickstart.html  它可以用来可

Caffe提取任意层特征并进行可视化

原图 conv1层可视化结果 (96个filter得到的结果) 数据模型与准备 安装好Caffe后,在examples/images文件夹下有两张示例图像,本文即在这两张图像上,用Caffe提供的预训练模型,进行特征提取,并进行可视化. 1. 进入caffe根目录,创建临时文件夹,用于存放所需要的临时文件 mkdir examples/_temp 2. 根据examples/images文件夹中的图片,创建包含图像列表的txt文件,并添加标签(0) find `pwd`/examples/ima

Caffe 学习笔记目录

版权声明:本文为hanahimi原创及转载文章,转载请附上链接…… 一点点更新中... 目录: 安装.配置与测试 buildtools学习 Tutorial 学习 pyCaffe 学习 Caffe源码学习 相关实例 安装.配置与测试 在windows上安装caffe (GPU) 使用caffe-windows 生成数据文件 运行caffe-windows 的demo 配置caffe + cuDNN buildtools学习 Caffe 学习:convert_imageset Caffe 学习:c

深度神经网络可视化工具集锦

深度神经网络可视化工具集锦 雷锋网按:原文作者zhwhong,载于作者的个人博客,雷锋网(公众号:雷锋网)经授权发布.  TensorBoard:TensorFlow集成可视化工具 GitHub官方项目:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tensorboard TensorBoard 涉及到的运算,通常是在训练庞大的深度神经网络中出现的复杂而又难以理解的运算. 为了更方便 TensorFlow 程序的理

Caffe —— Deep learning in Practice

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 Debug Caffe能做什么? 定义网络结构 训练网络 C++/CUDA 写的结构 cmd/python/Matlab接口 CPU/GPU工作模式 给了一些参考模型&pretrain了的weigh