測試乙個訓練好的caffe模型

2021-08-19 04:22:18 字數 2797 閱讀 7774

在學習caffe的過程中，訓練了出了模型出來，出了當時的準確率和loss值，並沒有看到給定輸入看到真正的輸出，這個時候需要測試一下訓練出來的模型，實際檢視一下效果,其中用到的配置檔案和網路模型在caffe的目錄下都有，自己測試自己的模型時需要修改為自己的*.prototxt和*.caffemodel

#!/usr/bin/env python


#coding=utf-8


#因為需要sudo許可權，只能作如下處理，自己新增caffe的位置，編譯之後，然後用sudo許可權執行該.py程式


import sys


caffe_root='/home/dyh/caffe/caffe/'


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


import caffe


import numpy as np


'''這個測試模型可以幫助自己測試自己訓練出來的模型效果如何


'''caffe.set_mode_gpu()


# caffe.set_device(0)


#deploy檔案就是用來測試訓練好的網路的，給其輸入，自己寫測試來輸出類別


model_def = '/home/dyh/caffe/caffe/models/bvlc_reference_caffenet/deploy.prototxt'


# model_def = '/home/dyh/caffe-workspace/face_detect/deploy_full_conv.prototxt'


model_weights = '/home/dyh/caffe-workspace/caffe_case/caffe_case模板/bvlc_reference_caffenet.caffemodel'


# model_weights = '/home/dyh/caffe-workspace/face_detect/model/solver_iter_25000.caffemodel'


net = caffe.net(model_def, #測試的模型，caffe已經給出了，照著用


model_weights,#訓練好的引數


caffe.test) #使用的模式


#載入均值檔案


mu = np.load('/home/dyh/caffe/caffe/python/caffe/imagenet/ilsvrc_2012_mean.npy')


mu = mu.mean(1).mean(1)


print 'mean-substracted values',zip('bgr',mu)


transformer = caffe.io.transformer()


#[h,w,c]->[c,h,w]


transformer.set_transpose('data', [2,0,1])


# transformer.set_mean('data', mu) #減均值


transformer.set_raw_scale('data', 255)#變換到[0-1]


transformer.set_channel_swap('data', [2,1,0])#rgb->bgr


#按照caffe的輸入格式reshape輸入


net.blobs['data'].reshape(1, #batch,想一張的測試


#將輸入進行預處理達到ceffe的輸入格式要求


transformer_img = transformer.preprocess('data',img)


#讓deploy裡面的資料層接收到輸入的


net.blobs['data'].data[...] = transformer_img


#前向傳播一次就行


output = net.forward()


#在網路的最後乙個層是輸出的每個類別的概率


output_pro = output['prob'][0]


#概率最大的就是


print 'predict class is:',output_pro.argmax()


lables_path = '/home/dyh/caffe/caffe/data/ilsvrc12/synset_words.txt'


lables = np.loadtxt(lables_path, str,delimiter= '\t')#一行一行的讀取並轉換為ndarray


print lables[output_pro.argmax()]#第xx行是類別


用訓練好的caffe模型來測試樣本
如果要把訓練好的模型拿來測試新的樣本，那必須得要乙個deploy.prototxt檔案，這個檔案實際上和test.prototxt檔案差不多，只是頭尾不相同而已。deploy檔案沒有第一層資料輸入層，樣本是被直接輸入到net.blobs裡面的，也沒有最後的accuracy層，但最後多了乙個softm...


使用caffe訓練好的模型測試單張手寫數字
使用caffe訓練好的模型測試單張手寫數字 初次學習caffe的時候都會按照網上的教程，對caffe經典案例手寫字型識別進行訓練一下，很滿意，訓練完後可以獲得99 的準確率，而且可以獲得乙個訓練好的lenet iter 10000.caffemodel這麼乙個模型。很多人會有困惑，有這麼乙個模型，我...


使用caffe訓練並且測試乙個自己的模型
配置檔案製作完畢，訓練乙個自己的模型將變得非常簡單 solver path home data solver.prototxt caffe.set device gpu id 若不設定,預設為0 caffe.set mode gpu 設定計算模式為gpu計算 solver caffe.sgdsolv...