文章出處
文章列表
準備好vs2013+anaconda2+好點的顯卡（比如GTX970）
先改造caffe-rfcn以支持cudnn5，得到caffe-rfcn-cudnn5：替換個別代碼文件和代碼；改.props
再用rbg的py-faster-rcnn所依賴的caffe-py-faster-rcnn（這個名字我自己起的，方便區分），里面的SmoothL1Layer的3個文件替換caffe-rfcn-cudnn5的
再編譯py-faster-rcnn的lib，先前裝了vc9for python要卸掉，gpu_nms.cu從github上找。py代碼的param_str_->param_str
成功后訓練需要~1800M顯存，訓練和測試同時執行需要~2600M顯存
文章列表
全站熱搜
留言列表
