Caffe : Python中使用已有模型测试图像分类情况

一、前提

          1、已经配置好Caffe的Python接口，能在Python中导入caffe，即“import caffe ”没有报错。

           2、已经得到训练好的模型，需要的文件有：deploy.prototxt，###.caffemodel，mean.binaryproto，labels.txt

二、准备工作

        1、需要将 .binaryproto文件转为 .npy文件，代码如下：

         

三、开始分类

四、代码及模型说明

        1、训练图像及测试图像都是灰度图,图像通道为单通道，训练图像为32×32，测试图像随意。     

   img=caffe.io.load_image(imgpath,color=False) 

        此句读入图像并转化为单通道灰度图，值为float型，范围是0~1.0，因为读入时图像时单通道，所以上面的transformer没有设置通道转换

        2、特别测试了mean文件，做如下说明：

                若    mean=np.load(root+'Model/mean.npy')，得到的mean是一个32×32的矩阵

           若    mean=np.load(root+'Model/20170919-210158-9230_epoch_75.0/mean.npy').mean(1)，得到的mean是1×32的矩阵

           若    mean=np.load(root+'Model/20170919-210158-9230_epoch_75.0/mean.npy').mean(1).mean(1)，得到的是一个值

           最初我使用的是第三种方式，导致了很多图像的分类错误，最终使用第一种方式解决了分类错误这个问题。