python介面呼叫已訓練好的caffe模型測試分類方法
阿新 • • 發佈:2020-01-09
訓練好了model後,可以通過python呼叫caffe的模型,然後進行模型測試的輸出。
本次測試主要依靠的模型是在caffe模型裡面自帶訓練好的結構引數:~/caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel,以及結構引數
:~/caffe/models/bvlc_reference_caffenet/deploy.prototxt相結合,用python介面進行呼叫。
訓練的原始碼以及相應的註釋如下所示:
# -*- coding: UTF-8 -*- import os import caffe import numpy as np root='/home/zf/caffe/'#指定根目錄 deploy=root+'models/bvlc_reference_caffenet/deploy.prototxt'#結構檔案 caffe_model=root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel' #已經訓練好的model dir =root+'examples/images/'#儲存測試圖片的集合 filelist=[] filenames=os.listdir(dir) for fn in filenames: fullfilename = os.path.join(dir,fn) filelist.append(fullfilename) #filelist.append(fn) def Test(img): #載入模型 net = caffe.Net(deploy,caffe_model,caffe.TEST) # 載入輸入和配置預處理 transformer = caffe.io.Transformer({'data':net.blobs['data'].data.shape}) transformer.set_mean('data',np.load('/home/zf/caffe/python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1)) transformer.set_transpose('data',(2,1)) transformer.set_channel_swap('data',1,0)) transformer.set_raw_scale('data',255.0) #注意可以調節預處理批次的大小 #由於是處理一張圖片,所以把原來的10張的批次改為1 net.blobs['data'].reshape(1,3,227,227) #載入圖片到資料層 im = caffe.io.load_image(img) net.blobs['data'].data[...] = transformer.preprocess('data',im) #前向計算 out = net.forward() # 其他可能的形式 : out = net.forward_all(data=np.asarray([transformer.preprocess('data',im)])) #預測分類 print out['prob'].argmax() #列印預測標籤 labels = np.loadtxt("/home/zf/caffe/data/ilsvrc12/synset_words.txt",str,delimiter='\t') top_k = net.blobs['prob'].data[0].flatten().argsort()[-1] print 'the class is:',labels[top_k] f=file("/home/zhengfeng/caffe/examples/zf/label.txt","a") f.writelines(img+' '+labels[top_k]+'\n') labels_filename=root +'data/ilsvrc12/synset_words.txt' #迴圈遍歷資料夾root+'examples/images/'下的所有圖片 for i in range(0,len(filelist)): img=filelist[i] Test(img)
ps:主要有以下的檔案需要說明
待測試的資料夾裡面的圖片資料為:
最後的輸出結果如下:
以下是本人定義的label.txt檔案寫入的預測的資料:
如果在編譯的時候出現import caffe error的話,說明沒有匯入caffe
Export PYTHONPATH=$PYTHONPATH:/home/zf/caffe/python,如果還是不行,可能是你的caffe的python介面未編譯,cd /home/zf/caffe,然後執行make pycaffe,接著再測試。
以上這篇python介面呼叫已訓練好的caffe模型測試分類方法就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。