Caffe学习笔记5--deploy文件的修改与使用

本文介绍了如何使用Caffe进行深度学习模型的预测,详细讲解了从修改mnist_deploy.prototxt文件以移除loss和label,到编写test_mnist.cpp运行代码,再到编译运行并输出预测结果的完整过程。通过可视化工具理解网络结构,并提供了编译运行的命令。
摘要由CSDN通过智能技术生成

deploy文件的修改目是为了我们能够真正使用训练好的模型进行预测,输出概率及最佳结果的重要过程。


问题背景:

如我们前面已经生成了一个预测手写体识别的模型,我们现在如何预测某个人写的数字是多少呢?预测的概率是多少呢?


最终解决的结果:


为了达到以上的结果,我们需要做3步骤

第一步,修改mnist_deploy.prorotxt文件

第二步,编写test_mnist.cpp文件

第三步,编译运行输出结果



第一步,修改prorotxt文件:

我们首先要对之前propotxt进行修改,用来满足我们的需求。

在修改propotxt之前我们可以对之前的网络结构进行一个直观的认识:可以使用http://ethereon.github.io/netscope/#/editor 这个网址。将propotxt文件内容复制后会得到可视化模型,之前训练模型如图所示:



其实我们的目标就是使用模型的权重最后输出类别概率,所以loss,label我们都不要了。根据上面的图我们对原始结构进行修改,如下:

name: "LeNet"
input: "data"
input_shape {
  dim: 1 # batchsize
  dim: 1 # number of colour channels - rgb
  dim: 28 # width
  dim: 28 # height
}
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  par
评论 6
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