caffe分類器test,在pycaffe中提供有示例程式，並且它自己也封裝了乙個類，但感覺不是太友好，在我在原始基礎上做了一些改動，方便以後測試用，在此整理如下：
首先展示一下caffe官方提供的分類器test指令碼大致如下：
print(top_k[i],probs[top_k[i]],labels[top_k[i]])上述**具有普適性，但不方便批量測試和其他地方呼叫，為此分裝了模組化如下：
#
#import numpy as np
import sys,os,json
caffe_root='/data/caffe/'
sys.path.insert(0, caffe_root + 'python')
os.chdir(caffe_root)
import caffe
class classify:
def __init__(self,net_file,caffe_model,meanvals,labels):
net = caffe.net(net_file, caffe_model, caffe.test)
transformer = caffe.io.transformer()
transformer.set_transpose('data', (2, 0, 1))## 將 高x寬x通道，轉化為，通道x高x寬的格式
if meanvals is not none:
transformer.set_mean('data', meanvals)
transformer.set_raw_scale('data', 255)#畫素數值恢復[0-255] ,rescale from [0,1] to [0,255]
transformer.set_channel_swap('data', (2, 1, 0))# swap channels from rgb to bgr
self.net=net
self.transformer=transformer
self.labels=labels
def predict(self,impath,top_k_num=1):
im = caffe.io.load_image(impath)
self.net.blobs['data'].data[...] = self.transformer.preprocess('data', im)
out = self.net.forward()
probs = self.net.blobs['prob'].data[0].flatten()
probsortids = self.net.blobs['prob'].data[0].flatten().argsort()
top_k = probsortids[-1:-(len(self.labels)):-1]
return self.labels[top_k[0:top_k_num]], probs[top_k[0:top_k_num]]
def get_classify_acc(self, immaindir):
classify_acc = {}
for label in labels:
imdir = os.path.join(immaindir, label)
if not os.path.isdir(imdir):
continue
imnames = os.listdir(imdir)
imnum = len(imnames)
i, k = 0, 0
for imname in imnames:
impath = os.path.join(imdir, imname)
predlabel, prob = self.predict(impath)
i += 1
print(predlabel, prob, imname)
if label == predlabel:
k += 1
print(imnum, k, float(k) / imnum)
classify_acc[label] = round(float(k) / imnum, 3)
return classify_acc
python 編寫通用裝飾器
需求 假如我們需要將一些方法加入日誌，在python這時候就需要裝飾器，而每個方法的引數，返回值各不相同，這時候，我們就需要編寫乙個通用的裝飾器來將日誌引入進來 測試版 通用裝飾器 def func functionname def func in args,kwargs print 記錄日誌 re...
Python實現貝葉斯分類器
使用樸素貝葉斯分類器，對一片文章進行分類處理 對中文進行分詞處理 jieba分詞 對分開的詞語進行處理，去除重複詞彙，去除標點和單個虛擬詞彙如 你，我，他。選擇特徵詞，很重要，要總結出符合某一型別的關鍵特徵詞對分類器進行訓練，即傳入一些已經分好類的文章，讓分類器可以知道其中的一些特徵詞。計算出特徵詞...
softmax分類器 python實現
演算法這裡為了防止大家看不懂我的程式，我在這裡做一些定義 jj x i 1 p y i j x i j 1 p y i j x i e tjx i kl 1e tlx i 2 e tlx i 3 資料集 特徵將整個圖作為特徵 已上傳github 這次的 是python3的。encoding utf8...