caffe生成lenet-5的deploy.prototxt文件

最新推荐文章于 2019-04-22 19:23:34 发布

原创

最新推荐文章于 2019-04-22 19:23:34 发布 · 2.1w 阅读

32 ·

CC 4.0 BY-SA版权

文章标签：

#deploy #caffe #mnist #python #Openblas

本文介绍了如何使用Caffe训练的lenet_iter_10000.caffemodel测试MNIST数据集外的单张图片。通过修改并生成deploy.prototxt文件，调整input_param的shape参数以适应单张图片输入，并解决在生成过程中遇到的模块导入及库文件路径问题。

接前面博客：http://blog.csdn.net/lanxuecc/article/details/52329708 我学会了用caffe训练自己的测试自己的图片，但是这里测试的是测试数据集，那么如何用训练好的caffemodel测试自己的单张图片呢。下面记录下我用训练好的lenet_iter_10000.caffemodelg来测试mnist图片的整个摸索过程：：：：

生成deploy.prototxt文件：

用训练好的caffemodel来测试单张图片需要一个deploy.prototxt文件来指定网络的模型构造。
事实上deploy.prototxt文件与lenet_train_test.prototxt文件类似，只是首尾有些差别。仿照博客http://www.cnblogs.com/denny402/p/5685818.html 中的教程用deploy.py文件来生成deploy.prototxt文件。

# -*- coding: utf-8 -*-
caffe_root = '/home/schao/sc_tmp/caffe/caffe-master/'  
import sys  
sys.path.insert(0, caffe_root + 'python')  
from caffe  import layers as L,params as P,to_proto
root='/home/schao/sc_tmp/caffe/caffe-master/'
deploy='/home/schao/sc_tmp/caffe/caffe-master/examples/mnist/deploy.prototxt'    #文件保存路径

def create_deploy():
    #少了第一层，data层
    conv1=L.Convolution(name='conv1',bottom='data', kernel_size=5, stride=1,num_output=20, pad=0,weight_filler=dict(type='xavier'))
    pool1=L.Pooling(conv1,name='pool1',pool=P.Pooling.MAX, kernel_size=2, stride=2)
    conv2=L.Convolution(pool1, name='conv2',kernel_size=5, stride=1,num_output=50, pad=0,weight_filler=dict(type='xavier'))
    pool2=L.Pooling(conv2, name='pool2',top='pool2', pool=P.Pooling.MAX, kernel_size=2, stride=2)
    fc3=L.InnerProduct(pool2, name=

最低0.47元/天解锁文章