本文将对caffe/python下的classify.py代码以及相关的classifier.py和io.py进行解析。
一、classify.py
由最后的if__name__ == '__main__': main(sys.argv)代表该文件在命令行下运行，则运行main函数，参数存放在sys.argv中。在main函数定义中，分别判断并存入各类参数，分别如下：
input_file：输入图像，参数为必需。
output_file：输出文件，参数为必需。
--model_def：网络测试结构文件，默认为imagenet的deploy.txt文件
--pretrained_model：网络参数文件，默认为imagenet的bvlc_reference_caffenet.caffemodel文件。
--gpu：是否用gpu计算，action=’store true’表示如果不指定，则默认false，用cpu，否则为true，用gpu。对于一张128*128的灰度图像，cpu前向计算大概20ms，而gpu仅5ms左右。
--center_only：默认false，即对输入图像的裁剪图像做预测，然后将结果进行平均；指定为true，即只取输入图像的中间部分做一次预测。当然，如果指定输入图像和裁剪尺寸一致，那么取中间部分即为原图本身。
--images_dim：输入图像尺寸，只考虑高和宽，默认256*256。
--mean_file：均值文件。注意数据格式是npy文件，即存储为numpy.array格式，维度为（通道，高，宽）。如果仅有通过compute_mean.bin计算的均值文件，需要进行转化。默认均值文件为imagenet的ilsvrc_2012_mean.npy文件。
--input_scale：图像预处理后的缩放系数，发生在减去均值后，默认为1。
--raw_scale：图像预处理前的缩放系数，发生在减去均值前。由于读入的像素值在[0,1]区间，则默认为255.0，使像素在[0,255]区间。
--channel_swap：通道调整，默认为’2,1,0’，因为caffe通过opencv读入的图片通道为BGR，因此必须将RGB-->BGR，即第0个通道和第2个通道交换。
--ext：默认’jpg’，代表如果输入指定为目录，则仅读取后缀名为jpg的文件。
下面几个参数是改进版classify.py中新加的。
--labels_file：标签类别文件，默认为imagenet的synset_words.txt文件。
--print_results：是否打印结果到屏幕，不指定则false，指定为true。
--force_grayscale：是否指定输入为单通道图像，不指定则false，指定为true。
通过args= parser.parse_args()更新，确认最终输入的参数。下面进行分类测试：
# 列表生成式，通过逗号划分维度字符串，并强制转化为int类型。最后为列表。
image_dims = [int(s) for s inargs.images_dim.split(',')]
# 如果指定了均值文件，则加载均值文件
if args.mean_file:
mean =np.load(args.mean_file)
# 如果是灰度图像，则没有通道交换。如果是rgb图像，如果有通道交换，通过逗号划分字符串，强制转化为int类型，存到列表中。
if args.force_grayscale:
channel_swap = None
else:
if args.channel_swap
channel_swap = [int(s) for s inargs.channel_swap.split(',')]
# 如果指定了gpu，则启动gpu模式
if args.gpu:
caffe.set_mode_gpu()
print("GPU mode")
else:
caffe.set_mode_cpu()
print("CPU mode")
# 初始化分类器，见classifier.py
classifier = caffe.Classifier(..)
# 下面就是读取文件的代码，有反映说加载灰度图像会报错的情况，这里给出记载灰度和rgb图像的代码。
if args.force_grayscale:
# 这里的false代表返回单通道图像，见io.py
inputs =[caffe.io.load_image(args.input_file, False)]
else:
inputs = [caffe.io.load_image(args.input_file)]
# inputs用[]括起来，代表用列表存储，所以len(inputs)代表有多少张输入图像。
# 计时，这里以ms为单位
start = time.time() * 1000
# 前向计算，见classifier.py，得到preditions为np数组，行为输入图像张数，列为预测总类别数目
predictions = classifier.predict(inputs,not args.center_only)
print("Done in %.2f ms." %(time.time() * 1000 - start))
print("Predictions : %s"% predictions)
# 打印结果，根据得分排序，给出分数较高的前五类，类名称由labels_file指定。
# print result, add by caisenchuan
if args.print_results:
...
二、Classifier.py
该文件定义了classifier类，包括了初始化函数__init__和predict函数。
1、 __init__：
首先调用了caffe类的初始化函数，并设定了test模式。
接着调用了transformer类，以cifar-10为例，输入为字典{’data’: (1,3,32,32)}。
然后是set_transpose方法：
# 将维度从(32,32,3)转化为(3,32,32)，适用于caffe中的处理
self.transformer.set_transpose(in_,(2, 0, 1))
然后调用transformer类的set方法，设置各种参数，具体见下文io.py中的解析。
最后，关于图像维度的定义：
# 裁剪尺寸根据prototxt定义
self.crop_dims =np.array(self.blobs[in_].data.shape[2:])
# 如果没有定义图片尺寸参数，则等于裁剪的尺寸；否则按定义的来
# 一般来说，如果用了裁剪，则图像尺寸>裁剪尺寸
if not image_dims:
image_dims = self.crop_dims
self.image_dims = image_dims
2、 predict：
执行前向计算，预测图像分类的概率。参数为输入以及是否过采样的布尔值。
# 定义inputs_维度(m,h,w,channel)
input_ = np.zeros((len(inputs),
self.image_dims[0],
self.image_dims[1],
inputs[0].shape[2]),
dtype=np.float32)
# 将所有待分类尺寸统一为image_dims尺寸
for ix, in_ in enumerate(inputs):
input_[ix] = caffe.io.resize_image(in_,self.image_dims)
# 如果过采样，则每张图像通过裁剪生成10张图像
# 维度将变为(10*m,h,w,channel)
if oversample:
# Generate center, corner, and mirroredcrops.
input_ = caffe.io.oversample(input_,self.crop_dims)
# 否则，裁剪中心区域。取图像尺寸的中点，然后分别往上往下取裁剪的尺寸长度。
# 以64*64裁剪32*32为例，(64,64)取中点-->(32,32)，扩充到四个坐标-->(32,32,32,32)，
# 取裁剪尺寸(32,32,32,32)+(-16,-16,16,16)-->(16,16,48,48)
else:
# Take center crop.
center = np.array(self.image_dims) /2.0
crop = np.tile(center, (1, 2))[0] +np.concatenate([
-self.crop_dims / 2.0,
self.crop_dims / 2.0
])
crop = crop.astype(int)
input_ = input_[:, crop[0]:crop[2],crop[1]:crop[3], :]
# 将输入转化为caffe需要的格式，维度变为(m,channel,h,w)
caffe_in =np.zeros(np.array(input_.shape)[[0, 3, 1, 2]],
dtype=np.float32)
# 每张图片都进行预处理，见io.py的preprocess函数
for ix, in_ in enumerate(input_):
caffe_in[ix] =self.transformer.preprocess(self.inputs[0], in_)
# 前向计算，输出为字典，out[‘prob’]为各类概率
out =self.forward_all(**{self.inputs[0]: caffe_in})
predictions = out[self.outputs[0]]
# 如果过采样，需要对每10个预测结果进行平均
if oversample:
predictions =predictions.reshape((len(predictions) / 10, 10, -1))
predictions = predictions.mean(1)
# 返回结果
return predictions
三、io.py
该文件重点介绍预处理类Transformer的成员函数。
1、preprocess
注意到函数的注释部分表明了预处理的全部流程，包括：
转化为单精度；
resize到统一尺寸；
维度转化为(channel,h,w)；
通道交换，转化为BGR；
减去均值前缩放；
减去均值；
减去均值后缩放。
重要代码：
...
# 返回[h,w]
in_dims = self.inputs[in_][2:]
# 输入图像和规定尺寸不一样，则resize统一
if caffe_in.shape[:2] != in_dims:
caffe_in = resize_image(caffe_in, in_dims)
# 维度转化
if transpose is not None:
caffe_in = caffe_in.transpose(transpose)
# 通道交换，指的是channel的交换，h和w不变
if channel_swap is not None:
caffe_in = caffe_in[channel_swap, :, :]
# 乘法
if raw_scale is not None:
caffe_in *= raw_scale
# 减法
if mean is not None:
caffe_in -= mean
# 乘法
if input_scale is not None:
caffe_in *= input_scale
return caffe_in
2、load_image，注意color参数默认True
# 利用skimage工具读入图片，默认读入彩色图片，如果as_grey为1，则读入灰度图片；读入值为[0,1]的浮点数
img =skimage.img_as_float(skimage.io.imread(filename,
as_grey=notcolor)).astype(np.float32)
# 保证返回的是三维的数组。
if img.ndim == 2:
# 如果读入只有二维，需要增加维度
img = img[:, :, np.newaxis]
if color:
# 如果是灰度图像却以彩色图片读入，那么扩充为三个通道
img = np.tile(img, (1, 1, 3))
elif img.shape[2] == 4:
#如果有四个通道，去掉第四个通道
img= img[:, :, :3]
# 返回(h,w,3)的数组
return img
还有resize_image，oversample，以及各种set函数，这里就不一一介绍了。所谓caffe的python接口或者matlab接口，都是对caffe的输入预处理以及输出结果的处理，而不用理会网络计算的中间过程。