caffe的python接口使用笔记

网络初始化：

model_def = 'D:/caffe/caffe-master/models/bvlc_reference_caffenet/deploy.prototxt'
model_pretrained = 'D:/caffe/caffe-master/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
meanFile = 'D:/caffe/caffe-master/python/caffe/imagenet/ilsvrc_2012_mean.npy'
mean_npy = np.load(meanFile)
mean = mean_npy.mean(1).mean(1)
net=caffe.Classifier(model_def,model_pretrained,mean=mean,
                     channel_swap=(2,1,0),#RGB通道与BGR
                     raw_scale=255 #把输入的img*255
    )

数据准备：

im_path = 'cat.jpg'
img = caffe.io.load_image(im_path)
image = skimage.transform.resize(img,(227,227))

预测、提取中间数据：

prediction = net.predict([image],oversample=False)
feat = net.blobs['fc8'].data[0]
scores = prediction[0].argmax()#获取预测最大的下标

每张要预测的图片对应10张采样图片，
oversample是过采样选项，
为true时，
如果图片大小大于网络定义的图片大小，那么输入的图片是 四个边角和中心的采样 以及 他们的 左右仿射变换，一共10种（一种1张）
对应data为：net.blobs['fc8'].data [0]--[9]，各不一样
如果图片大小和网络定义的图片大小一样，那么输入的图片是 中心采样以及它的仿射变换，一共2种（每种都是一样的五张。。。），
对应的data为：net.blobs['fc8'].data [0]和[5]，其中[0-4]一样，[5-9]一样
为false时，
不管图片大小大于还是等于网络定义的大小，输入的图片都是 中心的采样 ，一共就是1种 
对应data为：net.blobs['fc8'].data[0] （其他的[1-9]一样，不过不知道是什么东西）
如果图片大小小于网络定义的话，我也不知道。。。
所以我们要提取一张图片的特征时，直接像上面那样写就行了。
但是在文章http://blog.csdn.net/guoyilin/article/details/42886365中看到，net.predict()好像支持输入多样要预测的图片，比如net.predict([house,ship]),
然后net.blobs['fc8'].data的大小就超过了10,然而我试了不知为何不行