Caffe 学习笔记（8）：生成 deploy 文件

最新推荐文章于 2024-08-31 08:03:42 发布

志小

最新推荐文章于 2024-08-31 08:03:42 发布

阅读量950

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Caffe 文章标签： Caffe

本文链接：https://blog.youkuaiyun.com/JACK_YOUNG007/article/details/89458777

本文介绍了如何生成Caffe模型的deploy.prototxt文件，用于测试新图片。deploy文件与test.prototxt类似，但不包含数据输入层和accuracy层，而是包含softmax概率层。可以通过Python代码自动生成，或者直接复制修改test.prototxt以简化流程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

引言

如果要把训练好的模型拿来测试新的图片，那么必须要一个 depoly.prototxt 文件，这个文件实际上和 test.prototxt 文件差不多，只是头尾不相同而已。 deploy 文件没有第一层的数据输入层，也没有最后的 accuracy 层，但最后多一个 softmax 概率层。

python代码生成 deploy 文件：（以 mnist 为例）

from caffe import layers as L,params as P,to_proto
root='/home/xxx/'
deploy=root+'mnist/deploy.prototxt'    #文件保存路径

def create_deploy():
    #少了第一层，data层
    conv1=L.Convolution(bottom='data', kernel_size=5, stride=1,num_output=20, pad=0,weight_filler=dict(type='xavier'))
    pool1=L.Pooling(conv1, pool=P.Pooling.MAX, kernel_size=2, stride=2)
    conv2=L.Convolution(pool1, kernel_size=5, stride=1,num_output=50, pad=0,weight_filler=dict(type='xavier'))
    pool2=L.Pooling(conv2, pool=P.Pooling.MAX, kernel_size=2, stride=2)
    fc3=L.InnerProduct(pool2, num_output=500,weight_filler=dict(type='xavier'))
    relu3=L.ReLU(fc3, in_place=True)
    fc4 = L.InnerProduct(relu3, num_output=10,weight_filler=dict(type='xavier'))
    #最后没有accuracy层，但有一个Softmax层
    prob=L.S