fix bug

models/predict/predict.py

@@ -53,9 +53,6 @@ def mean_average_precision(params):
     R = params['R']
     query_num = validation_code.shape[0]
 
-    database_code = np.sign(database_code)
-    validation_code = np.sign(validation_code)
-
     sim = np.dot(database_code, validation_code.T)
     ids = np.argsort(-sim, axis=0)
     APx = []
@@ -260,7 +257,7 @@ def get_codes_and_labels(params):
         if len(lines) < batch_size:
             break;
 
-    return dict(database_code=np.sign(database_code), database_label=database_label, validation_code=np.sign(validation_code), validation_label=validation_label)
+    return dict(database_code=database_code, database_label=database_label, validation_code=validation_code, validation_label=validation_label)
 
 
 if __name__ == "__main__":
@@ -318,9 +315,12 @@ def get_codes_and_labels(params):
             [code_and_label['database_label'].append(c) for c in results[i]['database_label']]
             [code_and_label['validation_code'].append(c) for c in results[i]['validation_code']]
             [code_and_label['validation_label'].append(c) for c in results[i]['validation_label']]
+        code_and_label['database_code'] = np.sign(np.array(code_and_label["database_code"]))
+        code_and_label['validation_code'] = np.sign(np.array(code_and_label["validation_code"]))
+
         code_and_label['path'] = "./data/code/"+args.code_path
         if not osp.exists(code_and_label['path']):
-            os.mkdir(code_and_label['path'])
+            os.system("mkdir -p " + code_and_label['path'])
         save_code_and_label(code_and_label)
     else:
         code_and_label = load_code_and_label("./data/code/"+args.code_path)

models/train/nus_wide/solver.prototxt

@@ -1,5 +1,5 @@
 net: "models/train/nus_wide/train.prototxt"
-base_lr: 0.00002
+base_lr: 0.0002
 lr_policy: "step"
 gamma: 0.5
 stepsize: 500

models/train/nus_wide/train.prototxt

@@ -13,7 +13,7 @@ layer {
     source: "data/nus_wide/train.txt"
     batch_size: 64
     shuffle: true
-    label_num: 81
+    label_num: 21
     new_height: 256
     new_width: 256
   }
@@ -358,7 +358,7 @@ layer {
   bottom: "hash_layer"
   bottom: "label"
   top: "pairwise_loss"
-  loss_weight: 10
+  loss_weight: 1.0
   pairwise_param {
     threshold :15.0 
   }
@@ -368,7 +368,7 @@ layer {
   type: "QuantizationLoss"
   bottom: "hash_layer"
   top: "quantization_loss"
-  loss_weight: 0.8
+  loss_weight: 0.3
   quantization_param {
     threshold: 15
   }

topdiffout.txt

@@ -0,0 +1 @@
+-0 -0 0 0 -0 -0 -0 0 0 -0 -0 -0 0 -0 -0 -0 -0 -0 -0 -0 -0 0 0 -0 -0 -0 0 -0 -0 -0 0 0 0 -0 -0 -0 0 -0 -0 0 -0 0 -0 0 -0 -0 -0 0 0 0 -0 0 -0 -0 -0 0 -0 0 -0 0 0 0 -0 -0 -0 -0 0 -0 0 0 0 -0 0 0 -0 0 0 0 0 0 -0 0 0 -0 0 -0 -0 -0 0 -0 -0 -0 -0 -0 0 0 -0 -0 0 -0 0 -0 0 0 0 0 0 0 -0 0 -0 0 0 0 -0 0 -0 -0 0 0 -0 0 -0 -0 -0 -0 -0 -0 0 0 0 0 -0 -0 -0 0 0 0 -0 -0 0 -0 0 0 -0 0 -0 0 0 -0 -0 -0 -0 -0 0 0 0 0 -0 -0 -0 -0 0 -0 0 0 0 -0 -0 0 -0 -0 -0 0 -0 -0 0 -0 0 -0 0 -0 -0 -0 0 0 -0 0 -0 0 -0 -0 -0 -0 -0 -0 -0 -0 -0 0 0 -0 -0 -0 -0 -0 -0 0 0 -0 0 -0 -0 0 -0 0 0 0 0 -0 -0 -0 0 0 0 0 -0 0 0 0 -0 -0 -0 0 -0 -0 0 0 -0 -0 -0 0 -0 -0 0 -0 -0 0 -0 -0 0 -0 -0 -0 0 0 -0 0 0 0 -0 -0 -0 -0 0 0 0 -0 -0 0 0 0 0 0 -0 0 0 0 -0 0 -0 -0 0 -0 0 -0 0 0 0 0 0 -0 -0 -0 -0 -0 -0 -0 0 0 -0 0 -0 -0 0 0 -0 0 -0 0 -0 -0 0 -0 -0 -0 0 0 -0 -0 0 -0 -0 0 0 -0 -0 0 0 -0 0 -0 0 0 0 -0 0 -0 -0 -0 -0 0 0 0 -0 -0 0 -0 -0 0 -0 -0 -0 -0 0 -0 -0 0 0 -0 -0 0 0 0 -0 -0 -0 0 0 0 0 0 0 0 0 0 -0 0 -0 -0 -0 -0 -0 -0 0 0 -0 0 -0 0 -0 0 -0 0 0 0 -0 0 -0 -0 -0 0 0 -0 -0 -0 -0 0 -0 -0 -0 -0 -0 -0 0 0 -0 -0 0 -0 -0 0 0 0 0 0 0 0 0 -0 -0 0 -0 0 0 -0 0 0 0 0 -0 -0 0 -0 -0 0 -0 0 0 0 0 -0 -0 0 -0 0 0 -0 0 0 0 0 0 -0 0 0 0 0 -0 -0 0 0 -0 -0 0 -0 -0 -0 -0 -0 -0 -0 0 -0 -0 0 -0 -0 0 0 0 0 -0 0 0 0 -0 -0 0 -0 -0 0 -0 0 0 -0 -0 0 0 0 -0 -0 0 0 -0 0 0 -0 0 0 0 0 -0 -0 0 -0 0 0 -0 0 -0 0 0 0 0 -0 0 0 -0 -0 0 -0 -0 -0 -0 0 0 0 0 0 -0 -0 -0 0 0 -0 -0 0 -0 -0 -0 0 0 -0 -0 -0 -0 0 0 -0 -0 -0 0 0 0 0 0 -0 -0 0 0 -0 0 0 0 -0 -0 0 0 -0 0 -0 0 0 0 0 0 -0 -0 0 0 -0 0 0 0 -0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 0 0 -0 0 0 -0 0 -0 0 -0 0 -0 0 -0 -0 -0 0 -0 0 0 -0 0 0 0 0 0 -0 -0 -0 0 0 0 -0 0 -0 0 -0 -0 -0 -0 -0 0 -0 -0 0 0 -0 -0 0 -0 0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 0 -0 -0 0 -0 0 0 0 -0 -0 -0 -0 -0 0 0 -0 0 -0 0 0 0 -0 0 -0 -0 0 -0 -0 0 0 0 0 -0 -0 0 -0 0 0 0 0 0 -0 -0 -0 0 0 0 -0 -0 0 -0 0 -0 0 -0 0 0 -0 -0 0 -0 -0 -0 0 0 0 -0 0 -0 -0 -0 0 -0 -0 0 0 -0 -0 0 0 0 0 0 0 0 -0 0 0 0 -0 -0 0 -0 0 0 -0 -0 0 -0 -0 0 -0 -0 -0 0 -0 0 -0 0 0 -0 -0 -0 -0 -0 0 -0 -0 0 0 -0 0 -0 0 0 -0 0 0 -0 0 0 -0 0 0 -0 -0 0 0 -0 0 0 -0 0 0 0 -0 0 -0 -0 0 0 -0 -0 0 0 -0 -0 -0 -0 -0 0 0 -0 0 0 0 0 0 0 -0 -0 0 0 0 0 -0 0 0 0 -0 0 -0 -0 0 -0 0 0 0 0 -0 -0 0 -0 -0 0 -0 0 0 0 -0 0 -0 -0 -0 -0 -0 0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 -0 0 0 0 -0 -0 0 0 -0 0 -0 -0 0 0 0 0 -0 0 -0 0 -0 0 -0 -0 0 -0 -0 0 -0 0 -0 -0 0 0 0 0 0 0 -0 0 0 0 0 0 0 0 -0 0 -0 0 0 -0 -0 -0 -0 0 -0 0 0 -0 -0 0 0 -0 -0 0 -0 -0 0 0 -0 0 -0 -0 0 0 0 0 0 -0 0 -0 0 0 -0 0 0 0 0 -0 0 0 0 0 0 0 0 -0 -0 -0 0 0 0 -0 -0 -0 0 0 -0 -0 -0 -0 -0 0 -0 -0 0 -0 0 -0 0 -0 0 0 0 0 -0 0 -0 -0 -0 -0 0 -0 0 0 -0 0 0 -0 -0 0 -0 -0 0 -0 -0 -0 0 -0 -0 0 0 -0 0 0 0 -0 0 0 0 0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 -0 0 -0 -0 -0 0 0 -0 -0 -0 -0 0 -0 0 -0 0 0 -0 0 0 0 0 -0 -0 -0 -0 -0 -0 -0 -0 -0 0 0 -0 0 -0 -0 0 -0 -0 0 0 0 -0 -0 0 -0 -0 0 0 0 0 -0 0 -0 -0 0 0 -0 0 0 -0 0 0 0 -0 0 0 0 -0 0 -0 -0 -0 -0 0 -0 -0 0 0 -0 0 -0 -0 -0 -0 0 -0 -0 0 0 -0 -0 0 0 -0 0 0 0 0 -0 0 -0 -0 0 0 -0 0 0 0 -0 0 -0 -0 -0 0 0 0 0 0 -0 -0 0 -0 -0 0 -0 -0 -0 -0 0 -0 -0 0 -0 0 0 0 -0 0 0 -0 -0 0 0 0 0 -0 -0 0 -0 0 0 0 0 0 -0 0 -0 -0 -0 0 0 0 0 -0 0 -0 0 -0 0 0 -0 0 -0 -0 -0 -0 0 0 0 -0 -0 -0 -0 -0 0 -0 0 0 0 -0 -0 -0 0 0 0 0 -0 0 -0 0 -0 0 0 -0 0 0 -0 -0 0 -0 0 0 -0 0 -0 -0 0 0 0 -0 0 -0 -0 0 -0 -0 0 -0 0 0 -0 -0 0 0 -0 -0 0 -0 -0 0 -0 -0 -0 0 -0 0 0 -0 0 0 -0 0 -0 -0 0 0 -0 -0 0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 -0 -0 -0 -0 0 -0 -0 -0 -0 0 -0 0 0 -0 -0 -0 -0 0 0 0 0 -0 -0 -0 -0 -0 -0 -0 -0 0 0 -0 0 0 -0 -0 0 0 0 -0 -0 0 0 -0 -0 -0 0 -0 -0 -0 -0 -0 -0 0 0 -0 -0 -0 -0 0 -0 0 0 0 0 -0 0 -0 0 -0 0 -0 0 -0 -0 0 0 -0 -0 0 -0 -0 -0 -0 -0 0 -0 0 0 1.91874e-07 -0 0 0 0 -0 -0 -0 -0 -0 0 -0 0 -0 0 -0 0 -0 -0 0 -0 -0 0 0 0 -0 0 -0 -0 0 -0 0 0 -0 -0 0 0 0 0 0 -0 -0 -0 -0 -0 0 -0 -0 -0 0 0 -0 0 -0 0 -0 -0 -0 0 0 0 0 -0 -0 -0 -0 0 -0 -0 -0 -0 0 -0 0 0 0 0 -0 -0 -0 0 -0 0 0 -0 0 -0 -0 0 -0 0 0 -0 -0 -0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 -0 -0 -0 0 0 -0 -0 -0 -0 0 -0 -0 0 0 0 -0 -0 -0 -0 -0 0 0 0 -0 0 -0 0 -0 -0 -0 0 -0 0 -0 0 0 0 -0 -0 0 0 0 0 0 -0 0 -0 -0 -0 0 -0 -0 -0 -0 -0 0 -0 0 0 -0 0 0 -0 -0 -0 0 0 -0 0 0 -0 0 0 -0 -0 -0 0 -0 -0 0 -0 -0 0 -0 -0 0 0 -0 0 0 -0 -0 -0 0 0 0 -0 0 0 -0 0 -0 0 0 -0 -0 -0 0 0 -0 -0 0 0 -0 -0 0 -0 0 0 0 -0 -0 -0 -0 0 -0 0 -0 -0 0 0 -0 -0 0 0 -0 -0 0 0 -0 0 0 0 0 0 -0 0 -0 0 0 0 0 0 -0 -0 -0 -0 -0 -0 -0 0 -0 0 0 -0 0 0 -0 -0 -0 -0 0 -0 0 0 -0 -0 -0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 0 -0 0 -0 -0 -0 0 0 -0 0 0 0 0 0 -0 0 -0 0 -0 0 -0 0 0 -0 0 0 -0 -0 -0 0 -0 -0 0 0 0 -0 -0 -0 -0 -0 0 0 -0 0 -0 -0 0 0 0 -0 -0 0 0 -0 -0 0 -0 0 0 -0 0 0 0 -0 0 0 0 -0 -0 -0 0 0 0 0 -0 -0 -0 0 0 -0 0 -0 0 -0 0 -0 -0 0 -0 -0 0 -0 0 0 -0 0 0 -0 0 0 -0 -0 0 0 0 -0 0 -0 0 -0 -0 -0 -0 0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 0 0 0 0 0 -0 -0 -0 0 -0 0 0 0 -0 -0 0 0 0 0 0 -0 0 -0 -0 0 0 0 0 -0 0 -0 -0 0 -0 0 0 0 0 -0 0 0 -0 0 0 -0 -0 -0 -0 -0 -0 -0 -0 -0 0 0 -0 0 0 0 0 -0 0 -0 0 0 -0 -0 0 -0 0 0 0 -0 -0 0 0 0 -0 -0 0 0 0 -0 0 -0 0 0 0 0 0 -0 -0 0 0 0 0 -0 0 0 -0 0 0 -0 -0 -0 0 0 -0 0 -0 -0 -0 0 0 -0 0 0 0 0 -0 0 -0 -0 -0 -0 -0 -0 0 0 -0 -0 0 0 -0 0 0 0 0 0 -0 -0 0 0 0 0 0 -0 0 -0 -0 -0 -0 0 0 0 -0 -0 0 0 0 0 -0 -0 -0 0 0 0 0 0 0 -0 0 -0 0 0 -0 0 0 -0 0 -0 -0 0 -0 -0 -0 -0 0 0 0 0 -0 -0 0 0 0 -0 -0 -0 -0 -0 0 0 -0 0 0 0 0 -0 -0 0 -0 -0 -0 0 -0 0 -0 0 -0 -0 0 0 -0 0 -0 0 0 -0 -0 -0 -0 0 0 -0 0 -0 0 -0 -0 0 0 0 -0 0 0 -0 0 -0 -0 0 -0 -0 -0 -0 0 -0 -0 0 -0 0 -0 0 -0 -0 0 -0 -0 -0 -0 -0 0 -0 0 -0 0 0 -0 0 -0 -0 0 -0 0 -0 0 -0 0 -0 -0 0 0 -0 0 -0 0 0 0 -0 0 0 0 -0 0 0 0 0 0 -0 0 0 0 -0 -0 -0 -0 0 0 0 0 -0 0 0 0 -0 -0 -0 0 -0 0 0 0 -0 0 -0 0 0 -0 -0 -0 -0 0 0 -0 -0 -0 0 0 -0 0 -0 0 0 -0 0 -0 -0 -0 0 0 -0 -0 -0 -0 -0 0 -0 0 -0 0 0 -0 0 -0 -0 0 -0 -0 -0 0 0 0 -0 -0 -0 -0 -0 0 0 -0 0 -0 0 0 0 -0 0 0 -0 -0 0 -0 0 -0 0 -0 -0 -0 -0 -0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 0 0 0 -0 -0 -0 0 -0 -0 0 -0 0 0 0 -0 -0 0 -0 -0 -0 0 0 0 0 0 -0 0 -0 0 0 0 0 0 -0 0 -0 -0 -0 0 -0 0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 -0 0 -0 0 -0 -0 0 -0 0 -0 -0 0 -0 0 -0 -0 0 0 0 -0 -0 0 0 0 -0 -0 -0 -0 0 0 -0 0 -0 0 -0 -0 0 0 0 0 0 -0 0 0 0 -0 -0 0 -0 0 -0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 0 -0 -0 -0 0 -0 0 0 0 -0 -0 0 0 0 0 0 0 0 -0 -0 -0 0 0 0 0 0 0 -0 -0 0 0 -0 -0 0 -0 -0 -0 -0 0 0 0 0 -0 0 -0 0 -0 0 0 0 0 -0 -0 0 0 0 -0 -0 0 0 -0 -0 0 0 -0 -0 -0 -0 0 0 -0 -0 0 0 -0 0 0 -0 -0 -0 0 0 0 0 -0 -0 0 0 0 0 -0 -0 0 -0 0 -0 0 -0 -0 -0 0 0 0 -0 0 0 -0 0 -0 0 -0 -0 -0 0 0 -0 -0 0 -0 0 -0 -0 -0 0 0 -0 0 -0 0 -0 -0 -0 -0 0 -0 0 0 -0 -0 -0 -0 -0 0 -0 -0 0 0 -0 -0 -0 0 0 -0 0 -0 -0 -0 0 -0 0 0 0 0 -0 -0 0 0 -0 0 -0 -0 -0 0 -0 0 0 0 0 -0 0 0 0 -0 -0 -0 -0 0 0 0 -0 -0 -0 -0 0 -0 -0 0 -0 -0 -0 0 -0 0 -0 0 0 0 0 0 0 0 0 -0 -0 0 0 -0 -0 0 0 -0 -0 -0 0 -0 0 0 -0 0 -0 -0 0 -0 0 0 0 -0 0 0 0 0 -0 0 0 0 -0 0 -0 -0 0 -0 -0 0 0 -0 -0 0 -0 0 -0 -0 -0 -0 0 -0 0 0 0 -0 0 0 -0 -0 -0 -0 -0 -0 0 0 -0 -0 -0 -0 -0 -0 0 0 -0 0 -0 -0 0 0 0 -0 -0 -0 0 0 0 -0 -0 -0 0 -0 -0 -0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 -0 -0 0 -0 0 -0 0 -0 0 0 -0 -0 0 -0 0 0 -0 0 0 0 0 0 0 -0 0 -0 -0 -0 0 0 0 -0 0 -0 -0 0 -0 0 -0 -0 0 0 -0 0 -0 0 -0 0 0 0 -0 -0 -0 -0 -0 -0 -0 0 -0 -0 0 0 0 0 0 -0 -0 -0 0 0 0 -0 0 0 0 0 0 -0 -0 -0 -0 0 0 0 0 0 -0 -0 0 0 -0 0 -0 0 -0 -0 0 -0 0 0 -0 -0 -0 0 -0 -0 0 -0 0 -0 -0 -0 -0 0 -0 -0 -0 0 0 -0 -0 -0 0 0 0 0 0 -0 -0 -0 -0 -0 0 0 0 0 0 0 0 0 -0 -0 -0 -0 -0 -0 0 -0 -0 0 -0 0 -0 -0 -0 0 -0 0 -0 0 -0 0 0 0 -0 0 0 -0 0 0 0 -0 0 -0 0 -0 0 -0 -0 0 -0 0 0 -0 0 0 -0 0 -0 -0 0 0 -0 -0 0 -0 0 0 0 0 -0 0 0 0 -0 0 -0 0 0 -0 0 0 0 -0 0 -0 -0 0 0 -0 -0 -0 0 0 -0 -0 0 0 0 0 0 0 0 0 -0 -0 0 -0 0 -0 -0 0 -0 -0 0 0 0 0 -0 0 -0 -0 -0 0 -0 0 -0 0 -0 -0 0 -0 -0 -0 -0 -0 -0 -0 -0 -0 0 0 0 0 -0 -0 0 0 0 -0 0 -0 0 -0 -0 -0 0 -0 -0 0 -0 0 -0 0 0 0 0 -0 -0 -0 0 -0 0 -0 0 -0 -0 -0 -0 -0 0 0 0 0 0 0 0 0 0 -0 0 0 0 -0 -0 -0 0 0 -0 -0 0 0 0 0 0 -0 -0 -0 0 0 -0 0 -0 0 0 -0 0 0 -0 0 -0 -0 0 0 0 -0 -0 0 -0 0 -0 0 0 -0 0 0 -0 -0 

train.sh

@@ -1 +1 @@
-./build/tools/caffe train -solver models/train/nus_wide/solver.prototxt -weights ~/run-czj/cvpr-caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel -gpu 3
+./build/tools/caffe train -solver models/train/nus_wide/solver.prototxt -weights ~/run-czj/cvpr-caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel -gpu 4