用训练好的caffemodel分类图片并生成混淆矩阵

一、deploy.prototxt文件

跟train.prototxt有一些差别，data层和softmax层做了修改

1、data层：删掉原来的数据层，换成一下代码

name: "CaffeNet"

layer {
  name: "data"
  type: "Input"
  top: "data"
  input_param { shape: { dim: 1 dim: 3 dim: 63 dim: 63 } }

}

2、softmax层：删掉accuracy和softmaxwithloss层，换成一下代码

layer {

  name: "prob"
  type: "Softmax"
  bottom: "fc8"
  top: "prob"

}

二、均值文件mean.binaryproto转成mean.npy文件

import numpy as np
import sys,caffe
root='/home/ths/6_operation_32_data/'  
mean_proto_path=root+'6_operation_32_nearest2_test_lmdbmean.binaryproto'    
mean_npy_path=root+'6_operation_32_nearest2_test_lmdbmean.npy'              
blob=caffe.proto.caffe_pb2.BlobProto()     
data=open(mean_proto_path,'rb').read()     
blob.ParseFromString(data)                
array=np.array(caffe.io.blobproto_to_array(blob))  

mean_npy=array[0]                         

np.save(mean_npy_path,mean_npy)

三、synset_words.txt

这个文件是标签和对应的索引值，要与训练过程时的标签和索引保持一致

0 ORIGINAL