前言:
这个一个使用C++代码进行分类的简单例子,为了让我们的应用更加广泛,还需要阅读tool/caffe.cpp
1.readme.md笔记
描述:
这个例子不支持过采样(oversampling of a single
sample)也不支持多个独立样本的批量处理(batching of multiple independent samples),这样是为了使得代码可读性更好。
编译:
会有个.bin文件
刚才运行了一下,发现利用C++生成的文件,是可以直接进行分类的。那么,需要思考的是,移植到板子上进行分类和直接在服务器上面进行分类,对于操作上有什么区别呢?
(1)速度肯定是服务器快
(2)板子上可以调用摄像头
(3)板子上是用的C++语言,而服务器上面也可以利用C++语言实现分类
(4)目前还没有我自己训练好的ResNet模型,这个需要我自己进行编写实现
2.预备
花了我一天时间,把C++primer的前七章看了一遍。浮光掠影,应该有点用吧。
3.classification.cpp
参考:caffe 中classification.cpp的源码注释
caffe学习:通过研读classification.cpp了解如何使用caffe模型这个人改写了一下,更容易理解了。还是这个写的最好,我也要用cmake
caffe源码c++学习笔记这个人好像是重新编写了一下,分成头文件,源文件了,挺好的,指的借鉴。
我的注释,有一些不理解的地方,再里面做了标记,回头功力深厚了再回来补。
#include <caffe/caffe.hpp>
#ifdef USE_OPENCV
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#endif // USE_OPENCV
#include <algorithm>
#include <iosfwd>
#include <memory>
#include <string>
#include <utility>
#include <vector>
#ifdef USE_OPENCV //这里跟后面的#endif是一对
using namespace caffe; // NOLINT(build/namespaces)
using std::string;
/* Pair (label, confidence) representing a prediction. */
typedef std::pair<string, float> Prediction; //Pair代表预测Prediction,Pair好像尖括号里面有两个类型
/*std::pair是一个结构模板,可以把两个不同类型的对象存放在一个单元中。
*更广泛的是std::tuple
*/
//定义了个Classifier的类
class Classifier {
public: //公共部分
//这个叫类的构造函数,用于初始化,需要提供模型配置,训练数据,均值,标签
Classifier(const string& model_file,
const string& trained_file,
const string& mean_file,
const string& label_file);
//Prediction是一种类型,定义了一个Classify函数,形参数img, 和整形N,返回值是Prediction类型
std::vector<Prediction> Classify(const cv::Mat& img, int N = 5);
/*cv::Mat这个类挺复杂啊
*/
private: //定义私有函数
void SetMean(const string& mean_file); //这个SetMean函数,需要输入mean_file,看来就是均值化吧。
//基本上使用img作为输入的类型都是cv::Mat啊
std::vector<float> Predict(const cv::Mat& img); //函数返回float类型的
//需要input_channels都是定义的<cv::Mat>*
void WrapInputLayer(std::vector<cv::Mat>* input_channels); //输入是个指针?这个不太懂啊,应该是opencv里面的用法
void Preprocess(const cv::Mat& img,
std::vector<cv::Mat>* input_channels); //预处理?需要img 和input_channels干嘛
private: //定义私有变量,末尾加下划线
shared_ptr<Net<float> > net_; //
/*std::shared_ptr 是通过指针保持对象共享所有权的智能指针
*/
cv::Size input_geometry_;
int num_channels_;
cv::Mat mean_;
std::vector<string> labels_;
};
//这个是干嘛的,类的作用于里面又有一个Classifier,这个是类之外了。
Classifier::Classifier(const string& model_file,
const string& trained_file,
const string& mean_file,
const string& label_file) {
//注意这个花括号范围
#ifdef CPU_ONLY
Caffe::set_mode(Caffe::CPU);
#else
Caffe::set_mode(Caffe::GPU);
#endif
/* Load the network. */
net_.reset(new Net<float>(model_file, TEST)); //执行reset,这里不懂。。
net_->CopyTrainedLayersFrom(trained_file); //从trained_file复制Layers
//这两个也是用来检查的吗,检查输入输出必须只有一个
CHECK_EQ(net_->num_inputs()