Caffe的matlab接口的基本操作

最新推荐文章于 2021-03-24 00:44:46 发布

原创最新推荐文章于 2021-03-24 00:44:46 发布 · 2k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#caffe学习

Deep Learning 专栏收录该内容

5 篇文章

订阅专栏

本文介绍如何使用Matcaffe进行深度学习模型的训练与预测。主要内容包括设置CPU或GPU模式、网络初始化、加载预训练模型、图片预处理及数据增强等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

如果已经编译了Caffe的matlab版本matcaffe，并将对应路径添加到matlab的路径中，就可以进行下面的额学习了：

%CPU模式
caffe.set_mode_cpu();
%GPU模式
gpu_id=0;
caffe.set_mode_gpu();
caffe.set_device(gpu_id);

%网络初始化
net_model=['path/to/deploy.prototxt'];
net=caffe.Net(net_model,'train')
%利用训练好的模型初始化网络
net_weights=[path/to/model.caffemodel’];
net=caffe.Net(net_model,net_weights,'test');

function crop_data=prepare_image(im)
    %%%%加载均值文件:w*h*c
    f=load('path/to/mean.mat');
    mean_data=f.mean_data;

    %%%%%图片预处理
    %将RGB转换乘BGR，W*H*C
    im_data=im(:,:,[3,2,1]);
    %将W和H互换，H*W*C->W*H*C
    im_data=permute(img_data,[2,1,3]);
    %将uint8转换成single浮点数
    im_data=single(im_data);
    im_data=im_data-mean_data;

    %已知网络输入为227*227大小，输入图片为256*256大小，因此需要在原图上进行crop抽样。

    %十张227*227的三通道单精度图片
    crop_im=zeros(227,227,3,10,'single');
    indices=[0,256-227]+1;
    n=1;
    for i=indices
        for j=indices
        crop_im(:,:,:,n)=im_data(i:i+227-1,j:j+227-1,:);
        %镜像
        crop_im(:,:,:,n+5)=crop_im(end:-1:1,:,:,n);
        n=n+1;
        end
    end
center=floor(indices(*\2)/2)+1;
crop_im(:,:,:,5)=im_data(center:center+227-1,center:center+227-1,:);
crop_im(:,:,:,10)=crop_im(end:-1:1,:,:,5);

input_data={prepare_image(im)};
scores=net.forwar(input_data);
scores=scores{1};
scores=mean(scores,2);

%获取某个层的参数或者输出
weights_layername=net.params('layername',1).get_data();
output_layername=net.blob('layername').get_data();