[Caffè]: Check failed: ShapeEquals(proto) Form-mismatch (Umformen nicht gesetzt)

Ich habe diesen Fehler und ich habe versucht, einen Blick in das Internet, aber ich habe nichts klar.

Trainierte ich meine net mit Caffe erfolgreich mit rund 82% Genauigkeit.

Jetzt versuche ich es mal mit einem Bild zu diesem code:

python python/classify.py --model_def examples/imagenet/imagenet_deploy.prototxt --pretrained_model caffe_mycaffe_train_iter_10000.caffemodel --images_dim 64,64 data/mycaffe/testingset/cat1/113.png foo --mean_file data/mycaffe/mycaffe_train_mean.binaryproto

ja, meine Bilder sind 64x64,

sind dies die letzten Zeilen, ich bin immer:

I0610 15:33:44.868100 28657 net.cpp:194] conv3 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868110 28657 net.cpp:194] norm2 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868120 28657 net.cpp:194] pool2 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868130 28657 net.cpp:194] relu2 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868142 28657 net.cpp:194] conv2 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868152 28657 net.cpp:194] norm1 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868162 28657 net.cpp:194] pool1 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868173 28657 net.cpp:194] relu1 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868182 28657 net.cpp:194] conv1 braucht nicht rückwärts-Berechnung.
I0610 15:33:44.868192 28657 net.cpp:235] Dieses Netzwerk erzeugt eine Ausgabe, die fc8_pascal
I0610 15:33:44.868214 28657 net.cpp:482] das Sammeln von Lern-Rate-und Weight-Decay.
I0610 15:33:44.868238 28657 net.cpp:247] Netzwerk-Initialisierung gemacht.
I0610 15:33:44.868249 28657 net.cpp:248] Speicher für Daten: 3136120
F0610 15:33:45.025965 28657 blob.cpp:458] Check failed: ShapeEquals(proto) Form-mismatch (Umformen nicht gesetzt)
* Überprüfen Fehler-stack-trace: *
Aborted (core dumped)

Ich habe versucht, die Einstellung nicht --mean_file und mehr Dinge, aber meine Aufnahmen sind vorbei.

Dies ist mein imagenet_deploy.prototxt, die ich geändert habe in einigen Parametern zu Debuggen, aber hat nicht funktioniert, nichts.

name: "MyCaffe"
input: "data"
input_dim: 10
input_dim: 3
input_dim: 64
input_dim: 64
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  convolution_param {
    num_output: 64
    kernel_size: 11
    stride: 4
  }
}
layer {
  name: "relu1"
  type: "ReLU"
  bottom: "conv1"
  top: "conv1"
}
layer {
  name: "pool1"
  type: "Pooling"
  bottom: "conv1"
  top: "pool1"
  pooling_param {
    pool: MAX
    kernel_size: 3
    stride: 2
  }
}
layer {
  name: "norm1"
  type: "LRN"
  bottom: "pool1"
  top: "norm1"
  lrn_param {
    local_size: 5
    alpha: 0.0001
    beta: 0.75
  }
}
layer {
  name: "conv2"
  type: "Convolution"
  bottom: "norm1"
  top: "conv2"
  convolution_param {
    num_output: 64 
    pad: 2
    kernel_size: 5
    group: 2
  }
}
layer {
  name: "relu2"
  type: "ReLU"
  bottom: "conv2"
  top: "conv2"
}
layer {
  name: "pool2"
  type: "Pooling"
  bottom: "conv2"
  top: "pool2"
  pooling_param {
    pool: MAX
    kernel_size: 3
    stride: 2
  }
}
layer {
  name: "norm2"
  type: "LRN"
  bottom: "pool2"
  top: "norm2"
  lrn_param {
    local_size: 5
    alpha: 0.0001
    beta: 0.75
  }
}
layer {
  name: "conv3"
  type: "Convolution"
  bottom: "norm2"
  top: "conv3"
  convolution_param {
    num_output: 384
    pad: 1
    kernel_size: 3
  }
}
layer {
  name: "relu3"
  type: "ReLU"
  bottom: "conv3"
  top: "conv3"
}
layer {
  name: "conv4"
  type: "Convolution"
  bottom: "conv3"
  top: "conv4"
  convolution_param {
    num_output: 384
    pad: 1
    kernel_size: 3
    group: 2
  }
}
layer {
  name: "relu4"
  type: "ReLU"
  bottom: "conv4"
  top: "conv4"
}
layer {
  name: "conv5"
  type: "Convolution"
  bottom: "conv4"
  top: "conv5"
  convolution_param {
    num_output: 64
    pad: 1
    kernel_size: 3
    group: 2
  }
}
layer {
  name: "relu5"
  type: "ReLU"
  bottom: "conv5"
  top: "conv5"
}
layer {
  name: "pool5"
  type: "Pooling"
  bottom: "conv5"
  top: "pool5"
  pooling_param {
    pool: MAX
    kernel_size: 3
    stride: 2
  }
}
layer {
  name: "fc6"
  type: "InnerProduct"
  bottom: "pool5"
  top: "fc6"
  inner_product_param {
    num_output: 4096
  }
}
layer {
  name: "relu6"
  type: "ReLU"
  bottom: "fc6"
  top: "fc6"
}
layer {
  name: "drop6"
  type: "Dropout"
  bottom: "fc6"
  top: "fc6"
  dropout_param {
    dropout_ratio: 0.5
  }
}
layer {
  name: "fc7"
  type: "InnerProduct"
  bottom: "fc6"
  top: "fc7"
  inner_product_param {
    num_output: 4096
  }
}
layer {
  name: "relu7"
  type: "ReLU"
  bottom: "fc7"
  top: "fc7"
}
layer {
  name: "drop7"
  type: "Dropout"
  bottom: "fc7"
  top: "fc7"
  dropout_param {
    dropout_ratio: 0.5
  }
}
layer {
  name: "fc8_pascal"
  type: "InnerProduct"
  bottom: "fc7"
  top: "fc8_pascal"
  inner_product_param {
    num_output: 3
  }
}

Wer könnte mir einen Anhaltspunkt?
Ich danke Ihnen sehr.

---

Geschieht das gleiche mit C++ und der Einstufung bin Sie bieten:

F0610 18:06:14.975601 7906 blob.cpp:455] Check failed: ShapeEquals(proto) Form-mismatch (Umformen nicht gesetzt)
* Überprüfen Fehler-stack-trace: *
@ 0x7f0e3c50761c google::LogMessage::Fail()
@ 0x7f0e3c507568 google::LogMessage::SendToLog()
@ 0x7f0e3c506f6a google::LogMessage::Flush()
@ 0x7f0e3c509f01 google::LogMessageFatal::~LogMessageFatal()
@ 0x7f0e3c964a80 caffe::Blob<>::FromProto()
@ 0x7f0e3c89576e caffe::Net<>::CopyTrainedLayersFrom()
@ 0x7f0e3c8a10d2 caffe::Net<>::CopyTrainedLayersFrom()
@ 0x406c32 Classifier::Classifier()
@ 0x403d2b main
@ 0x7f0e3b124ec5 (unbekannt)
@ 0x4041ce (unbekannt)
Aborted (core dumped)