Windos 7 64位下通过VS2013配置caffe模型,并使用MATLAB调用训练好的ImgaeNet接口做测试

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/xiequnyi/article/details/52151243

Windos 7 64位下通过VS2013配置caffe模型,并使用MATLAB调用训练好的ImgaeNet接口做测试

 

Label  深度学习 caffe配置 测试

 

一. Win 7 + VS2013 + caffe

 

1. 准备工作:安转VS2013

 

2. Windos下caffe的源码:https://github.com/happynear/caffe-windows

相应的中文版安装教程:http://blog.csdn.net/happynear/article/details/45372231;相关编译错误解决方案大概都在回复中,也可参考:

http://blog.csdn.net/r864539013/article/details/50277331

 

二.使用MATLAB调用训练好的

 

1. 我的caffe安装目录为D:\caffe-windows-master,将

D:\caffe-windows-master\matlab\+caffe\private下的caffe_.mexw64文件拷贝至

D:\caffe-windows-master\matlab\demo下;

 

2. 下载训练好的ImageNet的模型:bvlc_reference_caffenet.caffemode

地址:http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel

拷贝至:D:\caffe-windows-master\models\bvlc_reference_caffenet;

 

3. 打开MATLAB,定位至D:\caffe-windows-master\matlab\demo,新建一个test.m文件,添加代码:

im =imread('../../examples/images/cat.jpg');

scores = classification_demo(im, 1);

[score, class] = max(scores);

 

Cat.jpg路径:D:\caffe-windows-master\examples\images;

 

4. 跑test.M可以看到结果,分类结果保存在class中,scores中保存了cat图像分属于1000类的值,值越大表示隶属于该类的概率越高。

 

展开阅读全文

没有更多推荐了,返回首页