醒目:本文只面向初入caffe的新手
在成功配置好caffe后,一般我们会使用mnist数据集进行训练,以检测caffe是否正常安装。caffe的官网提供了使用mnist数据集进行lenet神经网络训练的方法。见Training LeNet on MNIST with Caffe,按该教程的引导,我们最后训练得到了lenet_iter_6000.caffemodel和lenet_iter_10000.caffemodel两个文件。但是Caffe官网的教程并没有给出这两个文件怎么使用,只是简单地简单提了一句“you can deploy as a trained model in your application”,导致很多像我这样的新手到这里就摸不到头脑,难以继续下去。下面分享一下这个文件的使用方法,并用这个model来识别图片中的数字:
第一步:找到分类脚本classification.bin
该文件位于{caffe}/build/examples/cpp_classification目录下,其中{caffe}是你caffe的安装目录。现在我们试着运行一下它,看它提示我们需要哪些参数:
[sevend@sevend-pc caffe]$ ./build/examples/cpp_classification/classification.bin
Usage: ./build/examples/cpp_classification/classification.bin deploy.prototxt network.caffemodel mean.binaryproto labels.txt img.jpg
可以看到,它提示我们,运行这个脚本需要五个参数,分别是:
deploy.prototxt
network.caffemodel
mean.binaryproto
labels.txt
img.jpg
那么,接下来我们的目标就是找出这五个参数该传什么进去。在本文,我们不细究这五个参数到底是干什么的(那需要非常多的篇幅,本文只面向初入caffe的新手),只告诉大家成功跑起来的方法。在这里告诉大家,img.jpg是要识别的图片,大家可以去网上找一些手写数字图片,或者自己写一个(文末提供了我所用的测试图片)。接下来我们就挨个找到这五个文件: