python c语言 挖掘 建模,C语言提供的AlexNet模型

我一直在使用TensorFlow，但我是咖啡馆的新手。我想尝试一个在ImageNet上训练过的AlexNet的可靠实现，我在official Caffe repository中找到了一个。在

我能够在一个非常短的Caffe代码中将包装在bvlc_alexnet.caffemodel文件中的权重与deploy.prototxt中指定的模型链接起来，并获得与网络将图像分类到的1000个类别相对应的1000个概率的输出向量。在import numpy as np

import matplotlib.pyplot as plt

import sys

import caffe

import operator

MODEL_FILE = 'D:\\Desktop\\caffe\\models\\bvlc_alexnet\\deploy.prototxt'

PRETRAINED = 'D:\\AlexNet_Caffe\\bvlc_alexnet.caffemodel'

net = caffe.Classifier(MODEL_FILE, PRETRAINED)

IMAGE_FILE = 'D:\\Desktop\\caffe\\python\\testIm1.jpg'

input_image1 = caffe.io.load_image(IMAGE_FILE)

IMAGE_FILE = 'D:\\Desktop\\caffe\\python\\testIm2.jpg'

input_image2 = caffe.io.load_image(IMAGE_FILE)

pred = net.predict([input_image1, input_image2])

print pred # prints the array of 1000 probabilities

index, value = max(enumerate(pred[0]), key=operator.itemgetter(1))

print index # prints the index of max probability

print value # prints the max probability

index, value = max(enumerate(pred[1]), key=operator.itemgetter(1))

print index # prints the index of max probability

print value # prints the max probability

在我的例子中，我可以指定模型和权重并获得一个输出，但是无论我输入什么图像，输出似乎都是相同的(669)。

在Caffe存储库中，有一个script for fetching ImageNet dataset。它下载和提取的tarball包含以下文件：

^{pr2}$

我不确定是否还需要使用文件imagenet_mean.binaryproto

和imagenet.bet.pickle

有人能澄清一下吗？在