Detection good, split up col images

Joseph Redmon

2014-12-04 1edcf73a73d2007afc61289245763f5cf0c29e10

 src/cnn.c

@@ -36,6 +36,7 @@

void test_convolutional_layer()
{
/*
    int i;
    image dog = load_image("data/dog.jpg",224,224);
    network net = parse_network_cfg("cfg/convolutional.cfg");
@@ -72,6 +73,7 @@

    float *gpu_del = calloc(del_size, sizeof(float));
    memcpy(gpu_del, get_network_delta_layer(net, 0), del_size*sizeof(float));
    */

    /*
       start = clock();
@@ -97,6 +99,7 @@
     */
}

/*
void test_col2im()
{
    float col[] =  {1,2,1,2,
@@ -116,13 +119,12 @@
    int ksize = 3;
    int stride = 1;
    int pad = 0;
    col2im_gpu(col, batch,
            channels,  height,  width,
            ksize,  stride, pad, im);
    //col2im_gpu(col, batch,
    //        channels,  height,  width,
    //        ksize,  stride, pad, im);
    int i;
    for(i = 0; i < 16; ++i)printf("%f,", im[i]);
    printf("\n");
    /*
       float data_im[] = {
       1,2,3,4,
       5,6,7,8,
@@ -134,8 +136,8 @@
       ksize,   stride,  pad, data_col) ;
       for(i = 0; i < 18; ++i)printf("%f,", data_col[i]);
       printf("\n");
     */
}
*/

#endif

@@ -158,7 +160,7 @@
    int i;
    clock_t start = clock(), end;
    for(i = 0; i < 1000; ++i){
        im2col_cpu(dog.data,1, dog.c,  dog.h,  dog.w,  size,  stride, 0, matrix);
        //im2col_cpu(dog.data,1, dog.c,  dog.h,  dog.w,  size,  stride, 0, matrix);
        gemm(0,0,n,mw,mh,1,filters,mh,matrix,mw,1,edge.data,mw);
    }
    end = clock();
@@ -175,6 +177,7 @@

void verify_convolutional_layer()
{
/*
    srand(0);
    int i;
    int n = 1;
@@ -225,6 +228,7 @@
    printf("%f %f\n", avg_image_layer(mj1,0), avg_image_layer(mj2,0));
    show_image(mj1, "forward jacobian");
    show_image(mj2, "backward jacobian");
    */
}

void test_load()
@@ -446,7 +450,7 @@
        for(c = 0; c < 8; ++c){
            j = (r*8 + c) * 5;
            printf("Prob: %f\n", box[j]);
            if(box[j] > .999){
            if(box[j] > .05){
                int d = 256/8;
                int y = r*d+box[j+1]*d;
                int x = c*d+box[j+2]*d;
@@ -465,7 +469,7 @@

void test_detection()
{
    network net = parse_network_cfg("cfg/detnet_test.cfg");
    network net = parse_network_cfg("cfg/detnet.test");
    srand(2222222);
    clock_t time;
    char filename[256];
@@ -726,7 +730,7 @@
    float *matrix = calloc(msize, sizeof(float));
    int i;
    for(i = 0; i < 1000; ++i){
        im2col_cpu(test.data,1,  c,  h,  w,  size,  stride, 0, matrix);
        //im2col_cpu(test.data,1,  c,  h,  w,  size,  stride, 0, matrix);
        //image render = float_to_image(mh, mw, mc, matrix);
    }
}
@@ -782,13 +786,59 @@
#endif
}

void test_correct_alexnet()
{
    char **labels = get_labels("/home/pjreddie/data/imagenet/cls.labels.list");
    list *plist = get_paths("/data/imagenet/cls.train.list");
    char **paths = (char **)list_to_array(plist);
    printf("%d\n", plist->size);
    clock_t time;
    int count = 0;

    srand(222222);
    network net = parse_network_cfg("cfg/alexnet.test");
    printf("Learning Rate: %g, Momentum: %g, Decay: %g\n", net.learning_rate, net.momentum, net.decay);
    int imgs = 1000/net.batch+1;
    imgs = 1;

    while(++count <= 5){
        time=clock();
        data train = load_data_random(imgs*net.batch, paths, plist->size, labels, 1000, 256, 256);
        //translate_data_rows(train, -144);
        normalize_data_rows(train);
        printf("Loaded: %lf seconds\n", sec(clock()-time));
        time=clock();
        float loss = train_network_data_cpu(net, train, imgs);
        printf("%d: %f, %lf seconds, %d images\n", count, loss, sec(clock()-time), imgs*net.batch);
        free_data(train);
    }
#ifdef GPU
    count = 0;
    srand(222222);
    net = parse_network_cfg("cfg/alexnet.test");
    while(++count <= 5){
        time=clock();
        data train = load_data_random(imgs*net.batch, paths, plist->size, labels, 1000, 256, 256);
        //translate_data_rows(train, -144);
        normalize_data_rows(train);
        printf("Loaded: %lf seconds\n", sec(clock()-time));
        time=clock();
        float loss = train_network_data_gpu(net, train, imgs);
        printf("%d: %f, %lf seconds, %d images\n", count, loss, sec(clock()-time), imgs*net.batch);
        free_data(train);
    }
#endif
}

void test_server()
{
    server_update();
    network net = parse_network_cfg("cfg/alexnet.test");
    server_update(net);
}
void test_client()
{
    client_update();
    network net = parse_network_cfg("cfg/alexnet.test");
    client_update(net);
}

int main(int argc, char *argv[])
@@ -801,7 +851,7 @@
    else if(0==strcmp(argv[1], "detection")) train_detection_net();
    else if(0==strcmp(argv[1], "asirra")) train_asirra();
    else if(0==strcmp(argv[1], "nist")) train_nist();
    else if(0==strcmp(argv[1], "test_correct")) test_gpu_net();
    else if(0==strcmp(argv[1], "test_correct")) test_correct_alexnet();
    else if(0==strcmp(argv[1], "test")) test_imagenet();
    else if(0==strcmp(argv[1], "server")) test_server();
    else if(0==strcmp(argv[1], "client")) test_client();