Caffe学习：pycaffe利用caffemodel进行分类

转自：http://blog.csdn.net/u011762313/article/details/48342495

• 导入相关库

import caffe

• 配置

# caffemodel文件

MODEL_FILE = 'model/_iter_10000.caffemodel'

# deploy文件，参考/caffe/models/bvlc_alexnet/deploy.prototxt

DEPLOY_FILE = 'deploy.prototxt'

# 测试图片存放文件夹

TEST_ROOT = 'datas/'

• GPU模式测试

caffe.set_mode_gpu()

net = caffe.Net(DEPLOY_FILE, MODEL_FILE, caffe.TEST)

• 数据输入预处理

# 'data'对应于deploy文件：

# input: "data"

# input_dim: 1

# input_dim: 3

# input_dim: 32

# input_dim: 96

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})

# python读取的图片文件格式为H×W×K，需转化为K×H×W

transformer.set_transpose('data', (2, 0, 1))

# python中将图片存储为[0, 1]，而caffe中将图片存储为[0, 255]，

# 所以需要一个转换

transformer.set_raw_scale('data', 255)

# caffe中图片是BGR格式，而原始格式是RGB，所以要转化

transformer.set_channel_swap('data', (2, 1, 0))

# 将输入图片格式转化为合适格式（与deploy文件相同）

net.blobs['data'].reshape(1, 3, 32, 96)

• 读取图片

# 详见/caffe/python/caffe/io.py

img = caffe.io.load_image('temp.jpg')

# 读取的图片文件格式为H×W×K，需转化

• 进行分类

# 数据输入、预处理

net.blobs['data'].data[...] = transformer.preprocess('data', img)

# 前向迭代，即分类

out = net.forward()

# 输出结果为各个可能分类的概率分布

pridects = out['prob']

# 上述'prob'来源于deploy文件：

# layer {

# name: "prob"

# type: "Softmax"

# bottom: "ip2"

# top: "prob"

# }

• 最可能分类

pridect = pridects.argmax()