import os
caffe_root = '/home/caisheng/Downloads/caffe-master/'
import sys #为解决no moudule named caffe 添加
sys.path.insert(0, caffe_root + 'python') #为解决 no module named caffe 添加
import caffe
import numpy as np
root='/home/caisheng/Downloads/caffe-master/examples/fashionAI_skirt_length_googlenet/' #根目录
deploy=root+'deploy.prototxt'
caffe_model=root+'bvlc_googlenet.caffemodel' #caffe_model 路径
mean_file=root+'mean.npy' #加载的均值项
labels_filename='labels.txt' #标签的路径
#预读取待分类图片
import os
dir='/home/caisheng/Downloads/data/fasionAI/z_rank/Images/skirt_length/'#返回指定目录下文件和目录名
filelist=[]
filenames=os.listdir(dir)
for fn in filenames:
fullfilename=os.path.join(dir,fn)#拼接路径
filelist.append(fullfilename) #储存每个图片路径到filelist
net=caffe.Net(deploy,caffe_model,caffe.TEST) #加载model和network
#图片预处理
transformer=caffe.io.Transformer({'data':net.blobs['data'].data.shape}) #设定图片格式(1,3,28,28)
transformer.set_transpose('data',(2,0,1)) #改变维度的顺序,由原始图片(28,28,3)变为(3,28,28)
transformer.set_mean('data',np.load(mean_file).mean(1).mean(1))#减去均值
transformer.set_raw_scale('data',255) #缩放到【0,255】之间
transformer.set_channel_swap('data',(2,1,0)) #交换通道,由RGB变为BGR
#加载图片
for i in range(0,len(filelist)):
img=filelist[i] #获取当前图片的路径
print (filenames[i]) #打印当前图片的路径
im=caffe.io.load_image(img)#加载图片
net.blobs['data'].data[...]=transformer.preprocess('data',im)#执行上面的预处理操作, 并将图片载入到blob中
#执行测试
out=net.forward()
labels=np.loadtxt(labels_filename,str,delimiter='/t')#读取类别名文件
prob=net.blobs['prob'].data[0].flatten() #取出最后一层属于某个标签的概率值
#print prob
index1=prob.argsort()[-1] #获取最大概率值对应的index
index2=prob.argsort()[-2]
index3=prob.argsort()[-3]
index4=prob.argsort()[-4]
index5=prob.argsort()[-5]
index6=prob.argsort()[-6]
print (labels[index1],'--',prob[index1]) #输出label-prob
print (labels[index2],'--',prob[index2])
print (labels[index3],'--',prob[index3])
print (labels[index4],'--',prob[index4])
print (labels[index5],'--',prob[index5])
print (labels[index6],'--',prob[index6])
import numpy as np
import sys,caffe
root='/home/caisheng/Downloads/caffe-master/examples/fashionAI_skirt_length_googlenet/'
mean_proto_path=root+'ilsvrc12_train_mean.binaryproto'
mean_npy_path=root+'mean.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)
第2个文件是用来得到mean.py文件的。
执行时会遇到下面的问题,解决方法已经写出。
>>>import caffe Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named caffe