Caffe——python接口学习(6):用训练好的模型来分类新的图片
来源:互联网 发布:西门子冰箱知乎 编辑:程序博客网 时间:2024/04/29 15:51
我们利用前面训练好的caffemodel模型和生成的deploy.prototxt文件,来对一个新的文件进行分类预测。从mnist数据集中随便找一张图片,来进行实验:
#coding=utf-8import caffeimport numpy as nproot='/home/xxx/' #根目录deploy=root + 'mnist/deploy.prototxt' #deploy文件caffe_model=root + 'mnist/lenet_iter_9380.caffemodel' #训练好的 caffemodelimg=root+'mnist/test/5/00008.png' #随机找的一张待测图片labels_filename = root + 'mnist/test/labels.txt' #类别名称文件,将数字标签转换回类别名称net = caffe.Net(deploy,caffe_model,caffe.TEST) #加载model和network#图片预处理设置transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) #设定图片的shape格式(1,3,28,28)transformer.set_transpose('data', (2,0,1)) #改变维度的顺序,由原始图片(28,28,3)变为(3,28,28)#transformer.set_mean('data', np.load(mean_file).mean(1).mean(1)) #减去均值,前面训练模型时没有减均值,这儿就不用transformer.set_raw_scale('data', 255) # 缩放到【0,255】之间transformer.set_channel_swap('data', (2,1,0)) #交换通道,将图片由RGB变为BGRim=caffe.io.load_image(img) #加载图片net.blobs['data'].data[...] = transformer.preprocess('data',im) #执行上面设置的图片预处理操作,并将图片载入到blob中#执行测试out = net.forward()labels = np.loadtxt(labels_filename, str, delimiter='\t') #读取类别名称文件prob= net.blobs['Softmax1'].data[0].flatten() #取出最后一层(Softmax)属于某个类别的概率值,并打印print proborder=prob.argsort()[-1] #将概率值排序,取出最大值所在的序号 print 'the class is:',labels[order] #将该序号转换成对应的类别名称,并打印
阅读全文
0 0
- Caffe——python接口学习(6):用训练好的模型来分类新的图片
- caffe的python接口学习(6):用训练好的模型(caffemodel)来分类新的图片
- caffe的python接口学习(6):用训练好的模型(caffemodel)来分类新的图片
- caffe的python接口学习(6):用训练好的模型(caffemodel)来分类新的图片
- caffe的python接口学习:用训练好的模型(caffemodel或者h5)来分类新的图片
- caffe python接口:用训练好的模型来分类
- 使用python调用训练好的caffe模型来分类
- caffe学习(六):使用python调用训练好的模型来分类(Ubuntu)
- caffe(1)用训练好的模型对新图片分类
- 用训练好的模型(caffemodel)来分类新的图片
- Caffe深度学习入门——python调用caffe训练好的模型检测单帧图片
- 有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决
- 有关Caffe训练好的模型在Python接口下使用分类不准确的问题解决
- 【caffe】caffe在windows用训练好的模型对单张图片测试——【caffe学习三】
- python接口调用已训练好的caffe模型测试分类
- Python调用已训练好的caffe模型进行分类
- caffe+python 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度
- caffe+python 使用训练好的VGG16模型 对 单张图片进行分类,输出置信度
- 寻找三角形
- The logging tag can be at most 23 characters,was 24….
- 输入法论文阅读一:Effects of Language Modeling and its Personalization on Touchscreen Typing Performance
- UNIX再学习 -- XSI IPC通信方式
- java基本类型作为类成员和方法成员时默认值问题
- Caffe——python接口学习(6):用训练好的模型来分类新的图片
- 使用sklearn进行数据挖掘
- oracle数据库中RMAN备份格式化format解释
- Java实现构建乘积数组
- JS 遍历完成后执行动作
- servlet的执行原理与生命周期
- 使用phpstorm+thinkphp开发者的福利
- tcp协议系列文章(2):从man 7 tcp开始
- 压缩图片至指定大小