caffe 测试结果与pycaffe 测试结果一致性排查总结

【背景】 在使用linux caffe训练的时候通常也就顺带使用sh脚本进行caffe测试了，但是有的时候pycaffe测试多个模型的时候更加方便，构建一个pycaffe测试脚本还可以进行不同数据测试。此外yo使用pycaffe也可以用来获取每个模型中每个blob的信息，方便进行一些后续的研究和操作。 

【问题】使用pycaffe 和 c++ caffe 进行图像测试的时候测试结果可能出现不一致的情况

【不一致排查经验总结】

1、要有信心，不一致总能排查到一致的，致排查了一周的自己

（1）pycaffe 使用opencv和caffe中使用的opencv读图在在小数点后几位会有差异，但是这种差异带来的误差很小。如果是检测的话基本不会超过一个两个检测框。识别和分类误差肯定小于1%。

（2）确保图像的输入一致，主要包括：

       2.1 图像的值域，是0~255 还是归一化的 0 ~1  （踩过坑），推荐python中用caffe的io 来读图

       2.2 图像操作的顺序，一般测试的是就是resize 、减去均值和scale三个操作，确保执行的顺序是一致的。

            一般均值和scale可以用caffe 的transform layer 。

      2.3  0-1 图像resize 后再放大到0-255 和直接在0-255 上resize 结果有差异

      2.4 可能还有一些其他操作，总之确保送入到cnn 网络时的数据是一致的

  （3） 送入到cnn 网络的数据是一致的，这个时候一般就是后处理层有差异，这个时候只能通过将可能有问题的blob层输出来查看。一般图像只用输出行和或者列和，然后使用compare 工具一对比即可。

总结：

一致性排查工作比较细碎，根本就是确保输入输出一致，耐心加时间就可以完成！