手把手教你用python写脚本看caffe训练好的网络测试单张图片的输出

    因为参加比赛的缘故，要在linux下用caffe对数据集中的人脸进行分类训练，训练一个网络，然后主办方在后期放出测试集之后，我用训练好的网络对测试集里面的图片进行测试分类。

    我先介绍下打大体流程：

    首先训练的数据集是CCPR主办方给的，然后我分为8类，在ubuntu下用nvidia公司推出的digits2.0傻瓜软件把训练集转换为caffe需要的mdb格式，然后在上面用两块GPU训练一个googlenet网络，最后得到一个网络结构文件，多个迭代权值（选最后一个）文件，还有一个图像均值文件，然后再需要一张图片，用caffe的python接口，编写简单脚本，就可以用这几个文件构建训练好的网络，来测试特定的单张图片，然后得到具体的标签结果。

    表情数据集是比赛官方提供的，我先在windows下用matlab把比赛提供的12W张图片分成了要求的8类，然后加上CK（一个小的表情库），总共接近13W张图片，放在8个文件夹中，然后用FTP传到ubuntu服务器上，具体位置放在/home/qi66/CCPR/CCPRTem/train_choseAndCK/目录下，如下图所示

     

    然后，我们用nvidia官方出品的digits2.0，将图片做成caffe训练所需要的mdb文件，digits2.0使用教程，大家可以百度，我这边就不详细说了，很简单的，需要注意的是，生成数据集的时候，url要写你已经分类好的数据集的上层文件路径，比如我的数据集放在/home/qi66/CCPR/CCPRTem/train_choseAndCK/下，digits2.0会自动识别这个目录下面有8个文件夹，自动生成8类，8个标签0-7，但是这个标签label的序号和文件夹并不是对应的，这个点大家注意，也就是说，angray不一定是0，这个ubuntu下面和windows下面不一样的。生成好的数据集如下所示：

   

    数据集的路径，就在那个digits2.0文件夹的底层jobs文件夹里，前面的那个路径是固定的。这个数据包括train，val，test三个部分，还有一个东西很重要，我们要用到的是mean.binaryproto,这个文件是所有样本图片的均值，因为CNN训练时候，训练集减去均值之后，训练速度会变快，所以会生成这个，后面我们测试的时候也要用到这个东西。

生成数据集之后，再用digits2.0选择网络和设置参数进行训练，我这个数据集，用alexnet训练了2个多小时吧，完成之后在digits2.0的网页界面上有可以测试单张，和多张图片的选择，其中测试多张的时候，会遇到，点分类按键半天没反应，其实电脑已经开始检测，只是多张数量比较多，会卡一会儿，你等一会儿之后再看，就有结果了。

   

    完成训练之后，我们要找到caffe训练好的网络的参数在哪儿，不用找了，就在digits2.0文件夹下面的那个jobs里面，如图：

   

    我们要用到的就是网络结构deploy.prototxt,和训练好的权值参数—图中黑色的都是的，他们的区别是迭代训练的次数不一样，我们一般选择迭代次数最大的。把这两个文件和上面提到的图像均值文件，一起copy到一个文件夹下面，如图：

   

    图中红色标记的是本次实验需要用到的，其他的请忽略，跟本次实验没关系。好了，现在所有的原材料都已经备齐了，我们测试一张图片需要4个东西：

    (1)网络结构描述文件，deploy.prototxt。

    (2)网络训练好的权值参数文件，图中那个黑色的后缀名是caffemodel的文件。

    (3) 图像的均值文件，这个文件，是不能直接拿来用的，因为python调用的话，需要转换成后缀是npy的均值文件，所以我们要把这个mea文件转换一下。

    (4)输入网络的图片，这个很简单了，你随便找一张图片就可以了。

    首先我们要将均值文件转换一下，转换程序图中的createNpy.py脚本，调用方法，终端进入该目录下，输入代码：

Python createNpy.py mean.binaryproto mean.npy

    运行结果如下：

     

      好了，现在是所有的文件已经备齐了，直接运行该目录下的old_test.py就可以出结果了，还是先上图：

    我们看运行结果，就是先构建网络，然后导入外部权值参数（如图中的第一个标记处），然后进行网络前向计算，最后得出top5结果，标签分别为0,3,7,2,5，其实网络输出最大值是0，也就是说网络认为这是第一类图片，至于有的同学会问，你前面说过这个标签是不对应的，那么如何知道0代表什么意思呢？ 我采用的方法是这样的，这个标签我确实不知道，但是digits知道，如下图所示，加入我们在前面digits界面和python代码测试同一张图片，那么前top5的标签我们就对应出来了，0-happy……

    当然，这个方法有点low，苦于楼主目前还是个渣渣，先实现再说，好了，目前流程我们已经走通了，看起来步骤还是蛮简单的，当然digits这部分使用教程我没具体说，这个真的很简单，大家百度一大推。现在我们来看下python代码是如何实现的。贴出代码：

大家别急，听我逐行解释（完全手把手啊）：

#1 和前面两行是导入科学计算包 numpy和一个画图的（其实没用到），还有sys包

#2 设置caffe的根文件夹路径

#3 把caffe根文件下的python接口文件夹路径加入系统路径

#4 有个#3之后就可以导入caffe的python接口了（不然不行）

#5 略
#6 设置GPU运行（boss给买了两块泰坦x显卡，物尽其用）

#7 设置网络结构描述文件的绝对路径咯

#8 设置权值文件路径

#9 设置均值文件的路径—就是刚才生成的

#10 构造网络，看其中的参数不就是刚才设置的那俩路径么，模式设置成TEST

#11 调用caffe的io导入权值文件，其实这个我也不太懂（渣渣楼主）大概是这个意思吧，等我后续补充，先实现的

#12 不懂…..

#13 导入mean.npy文件

#14 进行归一化，因为图像像素值是0-255，所以要除以255

#15 不懂…...

#16 导入图片了，这个图像随便选了，大小无所谓

#17 把图像预处理一下，比如要减去均值，然后归一化，然后导入网络的输入端

#18 这个很low拉，就是调用网络前向计算了，结果放在out里面，当然到这一步，大家就可以print一下out看看了，结果已经出来了。

#19 我取了top5的结果放在listtop_k里面

#20 循环打印出结果了

好了，测试代码已经完成了，当然这个是最基本的，测试一张图片的，大家可以根据自己的需要写其他批量测试文件。下面放出npy的转换代码了。createNpy.py代码如下：

    代码如图了，这个就不解释了，没什么需要注意的，按照这个套路，直接调用就可以了。