【边喝caffee边Caffe 】(二)python版本的报错:Mean shape incompatible with input shape

在运行Ubuntu上的python版本,希望对比一下C++的结果是否正确时,发现一直报错Mean shape incompatible with input shape

后来遍查网络,发现了一个解决方法,见

http://blog.csdn.net/gzljss/article/details/45849013

直接贴过来

------------------------------------------分割线-----------------------------------------

解决方法参考http://stackoverflow.com/questions/29842935/mean-shape-incompatible-with-input-shape-caffe-classification-error-in-io-py

在运行caffe的python例子时,命令行输入

[html]  view plain  copy
  1. python classify.py cat.jpg  foo  

报错

ValueError: Mean shape incompatible with input shape.


原因是‘mean’与‘input’的尺寸不同造成的。

参考前面的文章,修改了 ./python/caffe/io.py 文件

将:

[html]  view plain  copy
  1. if ms != self.inputs[in_][1:]:  
  2. raise ValueError('Mean shape incompatible with input shape.')  
 

修改为:

[python]  view plain  copy
  1. if ms != self.inputs[in_][1:]:  
  2. print(self.inputs[in_])  
  3. in_shape = self.inputs[in_][1:]  
  4. m_min, m_max = mean.min(), mean.max()  
  5. normal_mean = (mean - m_min) / (m_max - m_min)  
  6. mean = resize_image(normal_mean.transpose((1,2,0)),  
  7.     in_shape[1:]).transpose((2,0,1)) * \  
  8.    (m_max - m_min) + m_min  
  9. #raise ValueError('Mean shape incompatible with input shape.')  

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 将PyTorch模型转换为Caffe模型的主要原因可能是因为Caffe在某些领域具有优势,例如在嵌入式设备上的部署。Caffe是一个轻量级的框架,适用于在移动设备或低功耗设备上运行。另外,某些硬件加速器(如NVIDIA的TensorRT)也支持Caffe模型的部署。因此,如果需要将模型部署到这些硬件上,将PyTorch模型转换为Caffe模型可能是有意义的。 ### 回答2: 将PyTorch模型转换为Caffe主要有以下几个原因: 1. 平台兼容性:Caffe是一款广泛使用的深度学习框架,拥有大量的用户和应用案例。将PyTorch模型转换为Caffe格式可以使模型在Caffe平台上运行,便于与其他Caffe用户进行交流和分享。同时,Caffe支持多种硬件平台,如CPU和GPU,可以提供更大的灵活性和可移植性。 2. 部署效率:Caffe是一个高效的深度学习框架,拥有高度优化的计算和内存管理,适用于快速、有效的部署。通过将PyTorch模型转换为Caffe,可以获得更好的推理性能,在一些资源有限的场景中能够更快速地进行模型推理。 3. 模型优化:转换为Caffe格式后,可以利用Caffe提供的一些模型优化工具。例如,Caffe提供了网络剪枝和量化算法,可以减少模型的参数和计算量,提高模型的推理速度和效率。另外,Caffe还支持模型融合和层级特征提取等技术,可以对模型进行更深入的性能优化。 需要注意的是,将PyTorch转换为Caffe并不是一项简单的任务,因为两个框架的计算图和模型定义方式存在差异。转换过程需要考虑到各种层次的差异,如网络结构、参数传递和激活函数等。因此,转换的过程可能需要一些手动的调整和微调,才能保持模型的正确性和性能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值