【caffe-Windows】识别率批量输出——matlab实现

前言

今天看到群里有人问”用matlab输出测试集的精度“，瞎试了一下，好像还成功了。主要还是依据前面所有在matlab中操作caffe的博客。

这里说一下：classification.m是适用单张图片的精度，类似于classification.exe的功能；这里要做的是在matlab中实现caffe.exe test的功能，也就是批量输出精度

分析

根据caffe.exe test和classification.m的流程，很容易想到，直接把训练时候所用的prototxt丢进去，对比classification.m中调用caffe.Net(model,wights,'test')的思路，试试当model为train_test.prototxt而非deploy.prototxt的效果。然后按照前面caffe在matlab中训练的方法，进行一次前向计算，当然此前向计算需要数据已经载入网络中，而非像classification一样挨个输入。z最后按照前面可视化权重的博客，提取最后一层的accuracy就行了。

流程

• 将数据集，也就是一堆图片，利用convert的那个exe转换为lmdb格式
• 在prototxt中更改测试部分的输入为你所转换的lmdb路径
• 细节调整，比如你有没有均值文件，加入到prototxt中
• 加载模型，命令caffe.Net
• 前向计算forward_prefilled命令
• 利用blob取最后一层accuracy的值

代码书写

• 数据集转换

以mnist为例，测试集的lmdb文件在前面已经制作出来了，如果是你自己的图片，可以看前面转换数据集的博客。

• 模型结构

直接使用原始的lenet_train_test.prototxt,测试集部分内容为你自己的转换数据集

layer {  name: "mnist"  type: "Data"  top: "data"  top: "label"  include {    phase: TEST  }  transform_param {    scale: 0.00390625  }  data_param {    source: "mnist_test_leveldb"    batch_size: 100    backend: LEVELDB  }}

其中有一个参数batch_size表示一次性测试多少数据量的准确率, 由于mnist测试集共有一万张图片, 所以测试次数为1000/100=100, 使用批处理方式测试

..\..\Build\x64\Release\caffe.exe test -model=lenet_train_test.prototxt -weights=lenet_iter_10000.caffemodel -iterations=100pause

• 写代码

clearclcclose allif exist('../../+caffe', 'dir')    addpath('../..');else    error('Please run this demo from caffe/matlab/demo');endcaffe.reset_all% Set caffe modeif exist('use_gpu', 'var') && use_gpu    caffe.set_mode_gpu();    gpu_id = 0;  % we will use the first gpu in this demo    caffe.set_device(gpu_id);else    caffe.set_mode_cpu();end% model_dir = '../mnist_data/';% net_model = [model_dir 'lenet.prototxt'];model_dir = './';net_model = [model_dir 'lenet_train_test.prototxt'];net_weights = [model_dir 'lenet_iter_10000.caffemodel'];if ~exist(net_weights, 'file')    error('Please download CaffeNet from Model Zoo before you run this demo');end% Initialize a networknet = caffe.Net(net_model, net_weights, 'test');acc=[];for i=1:100   net.forward_prefilled   acc=[acc; net.blobs('accuracy').get_data()];endacc

看看使用caffe.exe test的命令和我们的输出acc的结果对应与否

应该是对应的吧，手动滑稽。

【注】记得刚才说的batchsize吧，看代码倒数第三行，有一个for循环，这里写的100，意思就是图片总数除以batchsize，得到的结果就是这个for循环的上限。

源代码各种文件打包放送

http://download.csdn.net/download/zb1165048017/9994062

直接运行里面的caffe_test.m即可，注意自己caffe的matlab接口一定要配置好。