caffe 在Ubuntu下如何用已訓練出來的模型測試一張圖片？

01-23

我已經在Caffe上訓練好了一個模型，想拿這個模型來做圖片分類。我起碼的需求是：給一張圖片，在這個模型上跑了一遍後，告訴我預測是哪屬於哪一類？！
PS：感覺網上有很多人都問這個問題，有的用c++，有的用Python，有的說Matlab，答案各種各樣，卻沒有一個是完整的；有的乾脆直接給個鏈接就完了。。。。
這問題困擾我好久了，急！如有哪位對Caffe有了解的大神，望助我一把！

最近工作在用這個，順手答一發

推薦使用Python，需要在正常編譯完caffe後加一句 make pycaffe，然後把${CAFFE_ROOT}/python路徑加到PYTHONPATH中就可以import caffe了。當然也可以在程序中使用os和sys模塊添加路徑。

Talk is cheap, this is the code:

import numpy as np


import sys,os
caffe_root = "/path/to/caffe/"

sys.path.insert(0, caffe_root + "python")

import caffe

os.chdir(caffe_root)
net_file=caffe_root + "models/bvlc_reference_caffenet/deploy.prototxt"

caffe_model=caffe_root + "models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel"

mean_file=caffe_root + "python/caffe/imagenet/ilsvrc_2012_mean.npy"
net = caffe.Net(net_file,caffe_model,caffe.TEST)

transformer = caffe.io.Transformer({"data": net.blobs["data"].data.shape})

transformer.set_transpose("data", (2,0,1))

transformer.set_mean("data", np.load(mean_file).mean(1).mean(1))

transformer.set_raw_scale("data", 255)

transformer.set_channel_swap("data", (2,1,0)) # if using RGB instead if BGR
#im=caffe.io.load_image(caffe_root+"examples/images/cat.jpg")

#im=caffe.io.load_image(caffe_root+"examples/images/cross-eyed-cat.jpg")

img=caffe.io.load_image(caffe_root+"examples/images/dog.jpg")

net.blobs["data"].data[...] = transformer.preprocess("data",img)

out = net.forward()
imagenet_labels_filename = caffe_root + "data/ilsvrc12/synset_words.txt"

labels = np.loadtxt(imagenet_labels_filename, str, delimiter="	")

top_k = net.blobs["prob"].data[0].flatten().argsort()[-1:-6:-1] for i in np.arange(top_k.size): print top_k[i], labels[top_k[i]]

以下例子都是python寫的。

這個代碼是用python代碼調用訓練好的CAFFE_ROOT/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel，其中一些文件路徑需要修改一下：

http://www.cc.gatech.edu/~zk15/deep_learning/classify_test.py

訓練ImageNet模型並在python中使用已經訓練好的模型，與上面的代碼稍有不同

【Caffe】訓練ImageNet模型

以上兩個例子都是使用

net = imagenet.ImageNetClassifier(MODEL_FILE, PRETRAINED)

prediction = net.predict(IMAGE_FILE）

實現的，caffe.Classifier是已經寫好的類，適用於圖像分類的imagenet的例子（例子詳細描述參見CAFFE_ROOT/examples/cpp_classification）。

一般性的使用方法，可以參考以下鏈接中提到的方法：

caffe/00-classification.ipynb at master · BVLC/caffe · GitHub

你可以查看一下它的代碼中使用「net.forward()」前是怎樣修改輸入的。

這兩個博客介紹了測試的方法：：caffe生成lenet-5的deploy.prototxt文件

用caffe訓練好的lenet_iter_10000.caffemodel測試單張mnist圖片

謝邀第一次被邀請老激動了嘿嘿！你這個問題可以Python也可以C++，看你的需求了，如果需要可視化的話，最好用Python，方便直觀易用。參考官網Jupyter Notebook Viewer

Caffe提供了一個分類預測的Demo，位置在 /caffe/python/classify.py，但原始的輸出是二進位文件，不容易直觀地看到結果。

我對這個腳本做了一些修改，將最終分類預測的標籤和Softmax層輸出的原始數據保存到了文本文件中，直接打開就能看到結果。

支持圖片批處理。

如果還嫌麻煩的話可以直接將結果輸出到命令行界面。

詳細的介紹請參見我的這篇博客，內含源碼下載地址。

http://blog.csdn.net/u010391437/article/details/71076576

——————

最後吐槽一下知乎移動端的排版。。我只是習慣在中英文之間加個空格，但是手機上排版出來間距大得像加了個製表符。。

你的這個問題現在作出來了沒有？我也在想怎麼解決這個問題！現在已經想了一天了，希望這個問題能有所解決！