运用anaconda中的Spyder编译器,实现以下功能:
(1)将caffe的根目录作为当前目录,然后加载caffe程序自带的小猫图片,并显示。在命令行窗口输入如下代码:
import numpy as np import matplotlib.pyplot as plt %matplotlib inline import caffe caffe_root='D:/caffe/caffe-master/caffe-master/' import os,sys os.chdir(caffe_root) sys.path.insert(0,caffe_root+'python') im = caffe.io.load_image('examples/images/cat.jpg') print im.shape plt.imshow(im) plt.axis('off')
得到结果:
(2)打开examples/net_surgery/conv.prototxt文件,修改两个地方
将input_shape由原来的是(1,1,100,100)修改为(1,3,100,100),即由单通道灰度图变为三通道彩色图。
显示的时候要注意各维的顺序,如blobs的顺序是(1,3,360,480),从前往后分别表示1张图片,3三个通道,图片大小为360x480,需要调用transpose改变为(360,480,3)才能正常显示。其中用data[0]表示第一张图片,下标从0开始,此例只有一张图片,因此只能是data[0]。分别用data[0,0],data[0,1]和data[0,2]表示该图片的三个通道。
在命令行输入:
net = caffe.Net('D:/caffe/caffe-master/caffe-master/examples/net_surgery/conv.prototxt', caffe.TEST) im_input=im[np.newaxis,:,:,:].transpose(0,3,1,2) print "data-blobs:",im_input.shape net.blobs['data'].reshape(*im_input.shape) net.blobs['data'].data[...] = im_input plt.imshow(net.blobs['data'].data[0].transpose(1,2,0)) plt.axis('off')得到结果如下:
(3)如下所示为一个显示数据show_data函数:
plt.rcParams['image.cmap'] = 'gray' def show_data(data,head,padsize=1, padval=0): data -= data.min() data /= data.max() # force the number of filters to be square n = int(np.ceil(np.sqrt(data.shape[0]))) padding = ((0, n ** 2 - data.shape[0]), (0, padsize), (0, padsize)) + ((0, 0),) * (data.ndim - 3) data = np.pad(data, padding, mode='constant', constant_values=(padval, padval)) # tile the filters into an image data = data.reshape((n, n) + data.shape[1:]).transpose((0, 2, 1, 3) + tuple(range(4, data.ndim + 1))) data = data.reshape((n * data.shape[1], n * data.shape[3]) + data.shape[4:]) plt.figure() plt.title(head) plt.imshow(data) plt.axis('off')
调用该函数,从blobs数据中将原始图片提取出来,并分别显示不同的通道图:
扫描二维码关注公众号,回复:
169237 查看本文章
print "data-blobs:",net.blobs['data'].data.shape show_data(net.blobs['data'].data[0],'origin images')
(4)调用forward()执行卷积操作,blobs数据发生改变。由原来的(1,3,360,480)变为(1,16,356,476)。
并初始化生成了相应的权值,权值数据为(16,3,5,5)。
最后调用两次show_data来分别显示权值和卷积过滤后的16通道图片。
net.forward() print "data-blobs:",net.blobs['data'].data.shape print "conv-blobs:",net.blobs['conv'].data.shape print "weight-blobs:",net.params['conv'][0].data.shape show_data(net.params['conv'][0].data[:,0],'conv weights(filter)') show_data(net.blobs['conv'].data[0],'post-conv images')
得到结果如下: