Caffe中用训练好的模型测试，deploy文件的修改方法

训练好网络模型后，需要在测试集上验证模型分类的正确率，这时，就需要把训练的网络文件net.prototxt修改为deploy.prototxt，然后再进行测试。

输入数据层改动如下：

name: "SpecNet"
layer {
  name: "spectr"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "../data/train"
    batch_size: 15
    backend: LMDB
  }
}
layer {
  name: "spectr"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "../data/valid"
    batch_size: 15
    backend: LMDB
  }
}

# Layer 1 128x128x1
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 1
  }
  ...
  ...
  ...

改为：

name: "SpecNet"
layer {
  name: "data"
  type: "Input"
  top: "data"
  input_param { shape: { dim: 1 dim: 3 dim: 128 dim: 128 } }
}
# Layer 1 128x128x1
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 1
  }
  ...
  ...
  ...

其中
dim: 1 #num，对待识别样本进行数据增广的数量，可自行定义。一般会进行5次crop，之后分别flip。如果该值为10则表示一个样本会变成10个，之后输入到网络进行识别。如果不进行数据增广，可以设置成1
dim: 3 #通道数，表示RGB三个通道
dim: 128 #图像的长和宽
input_param的参数解释：http://blog.csdn.net/u010417185/article/details/52619593

输出层改动如下：

# Classification Layer 6x1
layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "ip2"
  bottom: "label"
  top: "accuracy"
}
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "ip2"
  bottom: "label"
  top: "loss"
}
...
...
...

改为：

# Classification Layer 6x1
#layer {
#  name: "accuracy"
#  type: "Accuracy"
# bottom: "ip2"
#  bottom: "label"
#  top: "accuracy"
#}
layer {
  name: "prob"
  type: "Softmax"
  bottom: "ip2"
 # bottom: "label"
  top: "prob"
}
...
...
...

只需要改输入数据层和输出层，其他的一般不用修改。
可以参考：
http://blog.csdn.net/l18930738887/article/details/54898016
http://blog.csdn.net/lanxuecc/article/details/52474476
http://blog.csdn.net/fx409494616/article/details/53008971