深度学习框架Caffe学习笔记(6)-测试自己的手写数字图片

在之前的实验中我们使用过
$ ./build/tools/caffe.bin test \
-model examples/mnist/lenet_train_test.prototxt \
-weights examples/mnist/lenet_iter_10000.caffemodel \
-iterations 100
命令来测试训练好的网络。这主要用于测试网络的准确率。
但如想用自己的手写数字，通过训练好的模型来识别这个数字，怎么做呢？
可以使用Caffe中build/examples/cpp_classification/classification.bin这个程序来实现。

$ ./build/examples/cpp_classification/classification.binUsage: ./build/examples/cpp_classification/classification.bin deploy.prototxt    // 模型描述文件network.caffemodel // 模型权值文件mean.binaryproto   // 图像均值文件labels.txt         // 图像类别标签信息img.jpg            // 输入待分类图像

接下来开始准备这几个文件

模型描述文件

将lenet_train_test.prototxt复制一份修改如下

// 将训练和测试用的mnist层删除，添加以下层name: "LeNet"layer {  name: "data"  type: "Input"  top: "data"  input_param { shape: { dim: 1 dim: 1 dim: 28 dim: 28 } }}......// 中间的模型不改动，省略......// 将accuracy层和loss层删除，添加以下层layer {  name: "prob"  type: "Softmax"  bottom: "ip2"  top: "prob"}

权值描述文件

训练好网络后examples/mnist/目录下就会会有lenet_iter_10000.caffemodel这个文件。

图像均值文件

Caffe框架为我们提供了一个计算均值的文件compute_image_mean.cpp，放在caffe根目录下的tools文件夹里面。编译后的可执行体放在 build/tools/ 下面，我们直接调用就可以了

$ sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto

带两个参数：

第一个参数：examples/mnist/mnist_train_lmdb， 表示需要计算均值的数据，格式为lmdb的训练数据。

第二个参数：examples/mnist/mean.binaryproto， 计算出来的结果保存文件。

标签文件

新建label.txt，每行一个数字，0到9。

0123456789

输入待分类图像

这个自己拿画图工具画一个就好。由于训练集中的数据都是黑底白字的，所以如果自己写是是白底黑字的图片可能识别不准确。

开始测试

$ ./build/examples/cpp_classification/classification.bin \examples/mnist/classificat_net.prototxt \examples/mnist/lenet_iter_10000.caffemodel \examples/mnist/mean.binaryproto examples/mnist/label.txt \examples/mnist/0.png---------- Prediction for examples/mnist/0.png ----------1.0000 - "0"0.0000 - "1"0.0000 - "3"0.0000 - "4"0.0000 - "2"

结果显示图片中的数字为0。