基于pycaffe从零开始写mnist(第三篇)——生成deploy.prototxt,做最后的验证
来源:互联网 发布:福建公安便民网络 编辑:程序博客网 时间:2024/06/07 15:36
deploy.prototxt和之前的train.prototxt文件内容差不多,因此可以不需要用代码进行生成,直接将不一样的地方进行修改即可
下面是用代码生成的deploy.prototxt
# -*- coding: utf-8 -*-__author__ = 'xuy'import caffedef creat_deploy(): net = caffe.NetSpec() net.conv1 = caffe.layers.Convolution(bottom = 'data', kernel_size = 5, num_output = 20, weight_filler = dict(type = 'xavier')) net.pool1 = caffe.layers.Pooling(net.conv1, kernel_size = 2, stride = 2, pool = caffe.params.Pooling.MAX) net.conv2 = caffe.layers.Convolution(net.pool1, kernel_size = 5, num_output = 50, weight_filler = dict(type = 'xavier')) net.pool2 = caffe.layers.Pooling(net.conv2, kernel_size = 2, stride = 2, pool = caffe.params.Pooling.MAX) net.fc1 = caffe.layers.InnerProduct(net.pool2, num_output = 500, weight_filler = dict(type = 'xavier')) net.relu1 = caffe.layers.ReLU(net.fc1, in_place = True) net.score = caffe.layers.InnerProduct(net.relu1, num_output = 10, weight_filler = dict(type = 'xavier')) net.prob = caffe.layers.Softmax(net.score) return net.to_proto()def write_net(deploy_proto): #写入deploy.prototxt文件 with open(deploy_proto, 'w') as f: #写入第一层数据描述 f.write('input:"data"\n') f.write('input_dim:1\n') f.write('input_dim:3\n') f.write('input_dim:28\n') f.write('input_dim:28\n') f.write(str(creat_deploy()))if __name__ == '__main__': my_project_root = "/home/xuy/桌面/code/python/caffe/python_mnist/" #my-caffe-project目录 deploy_proto = my_project_root + "mnist/deploy.prototxt" write_net(deploy_proto)
----------------------------------------------------------------------------------------------------------------------------------------
最后对于训练的模型caffemodel进行预测,随机找出测试集当中的一张图片进行测试
# -*- coding: utf-8 -*-__author__ = 'xuy''''labels_filename的作用是:将数字标签转换回类别名称'''import caffeimport numpy as npdef test(my_project_root, deploy_proto):#对于已经训练好的caffemodel进行测试 caffe_model = my_project_root + 'mnist_iter_9380.caffemodel' #caffe_model文件的位置 img = my_project_root + 'mnist/test/8/00542.png' #随机找的一张待测图片 labels_filename = my_project_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_proto, caffe_model, caffe.TEST) #加载model和deploy #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_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BGR im = 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 out = net.forward() #执行测试,对于deploy.prototxt进行前向传播测试 labels = np.loadtxt(labels_filename, str, delimiter='\t') #读取类别名称文件当中的所有labels内容 prob = net.blobs['prob'].data[0].flatten() #取出最后一层(Softmax)属于某个类别的概率值 order = prob.argsort()[-1] #将概率值排序,取出最大值所在的序号 print '图片数字为:',labels[order] #将该序号转换成对应的类别名称,并打印if __name__ == '__main__': my_project_root = "/home/xuy/桌面/code/python/caffe/python_mnist/" #my-caffe-project目录 deploy_proto = my_project_root + "mnist/deploy.prototxt" #保存deploy.prototxt文件的位置 test(my_project_root, deploy_proto)
阅读全文
0 0
- 基于pycaffe从零开始写mnist(第三篇)——生成deploy.prototxt,做最后的验证
- 基于pycaffe从零开始写mnist(第二篇)——生成训练网络结构文件(train.prototxt)+测试网络结构文件(test.prototxt)
- 基于pycaffe从零开始写mnist(第四篇)——生成train_loss图片
- 基于pycaffe从零开始写mnist(第一篇)——生成txt文件
- mnist——prototxt
- caffe生成lenet-5的deploy.prototxt文件(prototxt内容解析)
- caffe中mnist中 lenet_train_test.prototxt和lenet.prototxt(deploy文件)区别
- 由train_val.prototxt 生成deploy.prototxt
- caffe生成lenet-5的deploy.prototxt文件
- 使用pycaffe生成train.prototxt、test.prototxt文件
- pycaffe使用(第三篇)——对于blob数据类型的说明
- 从零开始学做机器人——第三章【安装烧写软件和下载器USB-ISP的驱动】
- 使用pycaffe生成solver.prototxt文件并进行训练
- caffe的python接口——写solver.prototxt
- Alexnet中deploy.prototxt与train_val.prototxt的对比
- caffe中train_val.prototxt和deploy.prototxt文件的区别
- caffe中train_val.prototxt与deploy.prototxt的区别
- caffe中train_val.prototxt和deploy.prototxt文件的区别
- spring cloud 之eureka-server
- 一些题
- 7.约束
- bzoj2434 阿狸的打字机 fail树+树状数组
- pandas官方文档中cookbook(2)的split&building criteria翻译
- 基于pycaffe从零开始写mnist(第三篇)——生成deploy.prototxt,做最后的验证
- 多种方法实现多态!!!
- WebSacrab与SQL注入
- [ifrog] Round #19 B -- Buildings
- 【笔试题】CVTE C++开发岗笔试题7.29
- POJ 1661 Help Jimmy(动态规划--最短下降模板)
- HTML仿抽屉新闻
- linux 下查找文件或者内容命令whereis,locate ,find
- B. Jeff and Furik----数学期望