caffe的python介面學習(6):用訓練好的模型(caffemodel)來分類新的圖片
阿新 • • 發佈:2018-12-11
#coding=utf-8import caffeimport numpy as nproot='/home/xxx/' #根目錄deploy=root + 'mnist/deploy.prototxt' #deploy檔案caffe_model=root + 'mnist/lenet_iter_9380.caffemodel' #訓練好的 caffemodelimg=root+'mnist/test/5/00008.png' #隨機找的一張待測圖片labels_filename = root + 'mnist/test/labels.txt' #類別名稱檔案,將數字標籤轉換回類別名稱net = caffe.Net(deploy,caffe_model,caffe.TEST) #載入model和network#圖片預處理設定transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) #設定圖片的shape格式(1,3,28,28)transformer.set_transpose('data', (2,0,1)) #改變維度的順序,由原始圖片(28,28,3)變為(3,28,28)#transformer.set_mean('data', np.load(mean_file).mean(1).mean(1)) #減去均值,前面訓練模型時沒有減均值,這兒就不用transformer.set_raw_scale('data', 255) # 縮放到【0,255】之間transformer.set_channel_swap('data', (2,1,0)) #交換通道,將圖片由RGB變為BGRim=caffe.io.load_image(img) #載入圖片net.blobs['data'].data[...] = transformer.preprocess('data',im) #執行上面設定的圖片預處理操作,並將圖片載入到blob中#執行測試out = net.forward()labels = np.loadtxt(labels_filename, str, delimiter='\t') #讀取類別名稱檔案prob= net.blobs['Softmax1'].data[0].flatten() #取出最後一層(Softmax)屬於某個類別的概率值,並列印print proborder=prob.argsort()[-1] #將概率值排序,取出最大值所在的序號 print 'the class is:',labels[order] #將該序號轉換成對應的類別名稱,並列印