手把手教你用python写脚本看caffe训练好的网络测试单张图片的输出

最新推荐文章于 2023-02-15 22:48:27 发布
最新推荐文章于 2023-02-15 22:48:27 发布
阅读量1w 收藏 14
点赞数 3
文章标签： ubuntu python 测试 图片 caffe
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_30372847/article/details/51812801
版权
本文介绍了如何在Ubuntu环境下利用Python和Caffe对训练好的网络进行单张图片分类的测试。首先，数据集通过digits2.0转化为Caffe所需的mdb格式，训练GoogLeNet网络，获取deploy.prototxt、.caffemodel权重文件及mean.binaryproto文件。接着，将mean.binaryproto转换为.npy文件，最后通过编写Python脚本加载网络结构、权重、均值文件，对图片进行预处理并进行前向传播计算，得到分类结果。
摘要由CSDN通过智能技术生成

    因为参加比赛的缘故，要在linux下用caffe对数据集中的人脸进行分类训练，训练一个网络，然后主办方在后期放出测试集之后，我用训练好的网络对测试集里面的图片进行测试分类。


    我先介绍下打大体流程：

    首先训练的数据集是CCPR主办方给的，然后我分为8类，在ubuntu下用nvidia公司推出的digits2.0傻瓜软件把训练集转换为caffe需要的mdb格式，然后在上面用两块GPU训练一个googlenet网络，最后得到一个网络结构文件，多个迭代权值（选最后一个）文件，还有一个图像均值文件，然后再需要一张图片，用caffe的python接口，编写简单脚本，就可以用这几个文件构建训练好的网络，来测试特定的单张图片，然后得到具体的标签结果。


    表情数据集是比赛官方提供的，我先在windows下用matlab把比赛提供的12W张图片分成了要求的8类，然后加上CK（一个小的表情库），总共接近13W张图片，放在8个文件夹中，然后用FTP传到ubuntu服务器上，具体位置放在/home/qi66/CCPR/CCPRTem/train_choseAndCK/目录下，如下图所示


     

    然后，我们用nvidia官方出品的digits2.0，将图片做成caffe训练所需要的mdb文件，digits2.0使用教程，大家可以百度，我这边就不详细说了，很简单的，需要注意的是，生成数据集的时候，url要写你已经分类好的数据集的上层文件路径，比如我的数据集放在/home/qi66/CCPR/CCPRTem/train_choseAndCK/下，digits2.0会自动识别这个目录下面有8个文件夹，自动生成8类，8个标签0-7，但是

最低0.47元/天 解锁文章
Alpha奇
关注
YOLOv10 | 手把手教你利用yolov10训练自己数据集（含环境搭建、参数解析 、数据集查找、模型训练、推理、导出）
Snu77的博客
05-26 2万+
本文内含YOLOv10网络结构图 + 各个创新模块手撕结构图 + 训练教程 + 推理教程 + 参数解析 + 环境搭建 + 数据集获取等一些有关YOLOv10的内容！目录一、前言二、整体网络结构图三、空间-通道分离下采样3.1 SCDown介绍3.2 C2fUIB介绍3.3 PSA介绍四、环境搭建五、数据集获取六、模型获取七、模型训练7.1 训练的三种方式7.1.1 方式一7.1.2 方式二（推荐）7.1.3 方式三八、模型验证/测试九、模型推理十、模型输出官方论文地址点击此处即可跳转。
python cnn 回归模型_使用卷积神经网络做回归任务
weixin_39656174的博客
12-08 4631
Caffe应该是目前深度学习领域应用最广泛的几大框架之一了，尤其是视觉领域。绝大多数用Caffe的人，应该用的都是基于分类的网络，但有的时候也许会有基于回归的视觉应用的需要，查了一下Caffe官网，还真没有很现成的例子。这篇举个简单的小例子说明一下如何用Caffe和卷积神经网络(CNN: Convolutional Neural Networks)做基于回归的应用。原理最经典的CNN结构一般都是几...
python狗图像识别_TensorFlow卷积神经网络之使用训练好的模型识别猫狗图片
weixin_39724748的博客
12-08 997
本文是Python通过TensorFlow卷积神经网络实现猫狗识别的姊妹篇，是加载上一篇训练好的模型，进行猫狗识别本文逻辑：我从网上下载了十几张猫和狗的图片，用于检验我们训练好的模型。处理我们下载的图片加载模型将图片输入模型进行检验代码如下：#coding=utf-8import tensorflow as tffrom PIL import Imageimport matplotlib.pypl...
caffe+python+mnist从图片训练到测试单张图片
moggyna的博客
11-29 1241
环境：caffe已经装好，GPU训练模式，ubuntu14， 1.从图片格式的数据集开始，下载了mnist图片格式的数据集，下载地址：http://download.csdn.net/download/magicarcher/9529956  解压以后放在caffe-master/data/Mnist_image中，MNIST是一个手写数字数据库,它有60000个训练样本集和10000个测
caffe预测单张图片
公独何人，心如止水。
11-20 834
https://github.com/BVLC/caffe/issues/2304 https://github.com/BVLC/caffe/issues/566../build/tools/caffe test -model MobileNetSSD_testoneimage.prototxt -weights ./snapshots/_iter_12000.caffemodel
Caffe训练网络和测试网络时的脚本文件
pcb931126的博客
08-01 1281
在配置文件和超参数文件都配置好了之后，想要使得网络开始训练和测试，就需要在ubuntu的命令行上运行脚本文件，也就是后缀为.sh的文件，具体如下所示： ####训练网络 #在Ubuntu的命令行上运行脚本文件train_lenet.sh sudo sh ./bulid/tools/caffe train --solver=examples/mnist/train_lenet.sh ...
人工神经网络编程内容,神经网络用什么编程
shirley67269的博客
08-10 656
对数学好的同学来说，可能最致命的是一个误区，因为计算机的基础是数学，所以完全使用数学思维去解决计算机问题是没问题的，我这里只能说计算机有自己的思维模式，哪怕是那些基于数学原理的算法问题，所以数学专业的同学必须要学会认识到这种思维的差异并学会使用计算机的思维来解决问题，而机器学习则是计算机思维的一个典型代表，这个将会在课程中具体讨论。数学也绝对不是学习这门课的障碍，但是如果你想以其作为职业，去打好这个数学的底子是不可或缺的。当您创建深度神经网络时，您将了解激活函数，并应用它们打破堆叠层的线性并创建分类输出。.
手把手：我的深度学习模型训练好了，然后要做啥？
BigDataDigest的博客
02-07 9857
大数据文摘作品编译：姜范波、云舟本文讲的是如何快速而不求完美地部署一个训练好的机器学习模型并应用到实际中。如果你已经成功地使用诸如Tensorflow或Caffe这样的框架训练好了一个机器学习模型，现在你正在试图让这个模型能够快速的演示，那么读这篇文章就对了。阅读时长： 10-15分钟使用前检查清单检查tensorflow的安装从 stdin 运行在线分类在本地运行分类把分类器放到硬编码（hard
使用OpenCV_python中的DNN,CaffeModel识别图像只需30行代码
11-08
使用OpenCV_python中的DNN,CaffeModel识别图像只需30行代码
Python 加载训练好的神经网络模型，进行图像识别
arenascat的博客
02-14 6778
以图像识别为例 有时候我们可以用别人训练好的模型来进行图像处理，那么如何使用呢，这里就以Keras为例 我的配置： Win10 笔记本自带的MX250显卡 CUDA10.1+TF 2.3.2 VSCode 程序的设计 会使用到的函数和库，先导入，主要的还是os和numpy和keras以及Pillow from keras.models import load_model import numpy as np from keras.preprocessing import ima..
说说如何写基于caffemodel的python测试脚本
csuzhaoqinghui的博客
09-28 216
很多教程对如何去测试caffemodel介绍的不够具体，其实在我看来如何去测试caffemodel其实很简单，比如下面一段代码： #!/usr/bin/env python # -*- coding: utf-8 -*- import os import numpy as np import argparse import sys import cv2 caffe_root = '/home/zhao/opt/caffe/build/install' sys.path.insert(0, caffe_
Caffe训练脚本中小注释
weixin_33798152的博客
03-05 167
2019独角兽企业重金招聘Python工程师标准>>> ...
linux 上自动执行caffe,linux下caffe的命令运行脚本
weixin_31211457的博客
05-06 118
参考：https://www.cnblogs.com/denny402/p/5076285.html首先编译：make -j8make pycaffe注：下面的--solver=.... 等价于 -solver ....########################## -solver：必选参数 ###################set -e./build/tools/caffe trai...
python 读入图像文件和输出图像文件
xiaohaier8593的博客
04-15 841
Matplotlib Matplotlib is acomprehensive library for creating static, animated, and interactive visualizations in Python.(2021.4.14，摘自https://matplotlib.org/stable/index.html) Python读入图像文件 模块 matplotlib.image This image module supports basic image load
SSD: Single Shot MultiBox Detector 检测单张图片
热门推荐
Jesse_Mx的博客
10-29 2万+
前言 博主也算是刚开始研究SSD项目，之前写了一篇SSD的安装和配置，这次是简单介绍下如何用SSD检测单张图片，其实过程也比较简单，下面正式开始。准备工作 当然，首先你要把SSD按照教程编译好，设置好python环境变量，然后重启计算机（建议），开始本次工作。SSD项目检测单张图片有C++程序和ipython程序，这里建议用ipython，主要是方便简单（最近新增了C++程序说明）。该工具路径为/h
【Python实现卷积神经网络】：用自己的图片制作cifar-10格式的数据用于测试神经网络+python实现代码
Jack_Kuo的博客
08-20 2095
当我们训练好基于cifar-10的分类神经网络之后，怎样用自己的图片测试效果呢？ 这里我们分成几个步骤： 1.利用cifar-10训练分类神经网络，保存训练好的参数 2.利用测试网络加载训练好的参数 3.将自己的图片转换成cifar-10格式的数据 4.将转换好的数据输入测试网络 5.输出结果 本篇博客主要讲怎样用python实现“3.将自己的图片转换成cifar-10格式的数据” ...
Python深度学习实例--使用预训练的卷积神经网络进行图像数据处理（猫狗分类）
最新发布
m0_61856412的博客
02-15 2269
Python深度学习实例--使用预训练的卷积神经网络进行图像数据处理（猫狗分类）
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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