1、io.py原始碼解讀

主要是定義了一個transformer，preprocess和deprocess操作，完成caffe和python之間資料的格式轉換等， 注意caffe： BGR,0-255，C*H*W，而python是RGB, 0-1,H*W*C的資料格式，所以一般python讀取的圖片資料要轉換成適合caffe用的資料。

io.py中涉及的介面：

影象預處理

# 載入ImageNet訓練集的影象均值，預處理需要減去均值
# ilsvrc_2012_mean.npy檔案是numpy格式，其資料維度是(3L, 256L, 256L)
mu = np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy') # 載入均值檔案
mu = mu.mean(1).mean(1)  # 對所有畫素值取平均以此獲取BGR的均值畫素值
print 'mean-subtracted values:', zip('BGR', mu) 
# 取平均後得到BGR均值分別是[104.00698793,116.66876762,122.67891434]

# 對輸入資料進行變換
# caffe.io.transformer是一個類，實體化的時候建構函式__init__(self, inputs)給一個初值
# 其中net.blobs本身是一個字典，每一個key對應每一層的名字，#net.blobs['data'].data.shape計算結果為(10, 3, 227, 227)
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})

# 以下都是caffe.io.transformer類的函式方法
#caffe.io.transformer的類定義放在io.py檔案中，也可用help函式檢視說明
# python讀取的圖片檔案格式為H×W×K(高度，寬度，通道數)，需轉化為K×H×W（通道數，高度，寬度）
transformer.set_transpose('data', (2,0,1))    

transformer.set_mean('data', mu)              # 每個通道減去均值

# python中將圖片儲存為[0-1]
# 如果模型輸入用的是0~255的原始格式，則需要做以下轉換，將畫素值從[0,1]變換為[0,255]
# 如果模型輸入用的是0~1的格式，則不需要用到下一句
transformer.set_raw_scale('data', 255)

# caffe中圖片是BGR格式，而原始格式是RGB，所以要轉化
transformer.set_channel_swap('data', (2,1,0))
 

參考：