使用caffe训练好的模型进行分类(官网教程)

---

使用caffe训练好的模型进行分类(官网教程)

---

导言

1. 本教程中，我们将会利用Caffe官方提供的深度模型——CaffeNet（该模型是基于Krizhevsky等人的模型的）来演示图像识别与分类。我们将分别用CPU和GPU来进行演示，并对比其性能。然后深入探讨该模型的一些其它特征。

# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt

# matplotlib inline

import sys
reload(sys)
sys.setdefaultencoding('utf8')

#设置默认显示参数
plt.rcParams['figure.figsize'] = (10, 10)        # 图像显示大小
plt.rcParams['image.interpolation'] = 'nearest'  # 最近邻差值: 像素为正方形
plt.rcParams['image.cmap'] = 'gray'  # 使用灰度输出而不是彩色输出


# caffe模块要在Python的路径下;
# 这里我们将把caffe 模块添加到Python路径下.
import sys
caffe_root = '/home/lxw/caffe/'  #该文件要从路径{caffe_root}/examples下运行，否则要调整这一行。
sys.path.insert(0, caffe_root + 'python')

import caffe



import os
if os.path.isfile(caffe_root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'):
	print 'CaffeNet found.'
else:
	print 'Downloading pre-trained CaffeNet model...'

# !../scripts/download_model_binary.py ../models/bvlc_reference_caffenet


caffe.set_mode_cpu()

model_def = caffe_root + 'models/bvlc_reference_caffenet/deploy.prototxt'
model_weights = caffe_root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'

net = caffe.Net(model_def,      # 定义模型结构
            	model_weights,  # 包含了模型的训练权值
            	caffe.TEST)     # 使用测试模式(不执行dropout)



# 加载ImageNet图像均值 (随着Caffe一起发布的)
mu = np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy')
mu = mu.mean(1).mean(1)  #对所有像素值取平均以此获取BGR的均值像素值
print 'mean-subtracted values:', zip('BGR', mu)

# 对输入数据进行变换
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})

transformer.set_transpose('data', (2,0,1))  #将图像的通道数设置为outermost的维数
transformer.set_mean('data', mu)            #对于每个通道，都减去BGR的均值像素值
transformer.set_raw_scale('data', 255)      #将像素值从[0,255]变换到[0,1]之间
transformer.set_channel_swap('data', (2,1,0))  #交换通道，从RGB变换到BGR


# 设置输入图像大小
net.blobs['data'].reshape(50,        # batch 大小
                      3,         # 3-channel (BGR) images
                      227, 227)  # 图像大小为:227x227

# 加载图像(caffe自带的)并进行预处理
image = caffe.io.load_image(caffe_root + 'examples/images/cat.jpg')
transformed_image = transformer.preprocess('data', image)
plt.imshow(image)
plt.show()

2.我把该文件创建为 fy-classify.py，放在了/home/xxx/caffe/python目录下，并在该目录下运行命令

# sudo python fy-classify.py

3.可能会出现的问题（切记：代码一定要顶行写）：

问题一

解决方法：执行下面这条命令

sudo apt-get install python-tk

问题二

解决方法：前面加#号注释掉。

问题三

解决方法：在文件头部加上：

# -*- coding:utf-8 -*-


import sys
reload(sys)
sys.setdefaultencoding('utf8')

补充：解决乱码的万能钥匙

问题四

解决方法：

python是一种对缩进非常敏感的语言，最常见的情况是tab和空格的混用会导致错误，或者缩进不对，而这是用肉眼无法分别的。

然后对print做下tab空格,问题就解决了

解决方法：改了好久都没解决，只好把它注释掉了

4. 输出：

<matplotlib.image.AxesImage at 0x7f09693a8c90>