caffe的简单python脚本

最新推荐文章于 2021-06-10 18:47:28 发布

weixin_30725315

最新推荐文章于 2021-06-10 18:47:28 发布

阅读量173

点赞数

文章标签： python 人工智能

原文链接：http://www.cnblogs.com/hellokittyblog/p/8186096.html

版权

本文介绍如何使用 Caffe 框架的 Python 接口实现图像分类任务，包括配置环境、加载模型、图像预处理及前向传播等步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

caffe的简单python脚本

#-*-coding:utf-8-*-
import caffe
import matplotlib.pyplot as plt

#网络构建
caffe.set_mode_cpu() # 设置caffe为cpu模式，也可设成gpu模式
model_def = 'my_alexnet_test.prototxt' 
model_weights =  'models_rist1/lrcn_four_words_iter_10000.caffemodel'

net = caffe.Net(model_def,      # 定义模型结构 
                model_weights,  # 包含模型训练权重
                caffe.TEST)     # 使用测试模式(训练中不能执行dropout)
#读取图像
image = caffe.io.load_image('./images/COCO_train2014_000000246146.jpg') 
#图像处理
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))    # 将图像通道数设置为outermost的维数
transformer.set_raw_scale('data', 255)        # 像素值从[0,1]变换为[0,255]
transformer.set_channel_swap('data', (2,1,0)) # 交换通道，RGB->BGR
#transformer.set_mean('data', channel_mean)
transformed_image = transformer.preprocess('data', image) 
#图像可视化
plt.imshow(image)
plt.show()
#前向
net.blobs['data'].data[...] = transformed_image
output = net.forward() 
net.forward()
# 循环打印每一层名字和相应维度
#for layer_name, blob in net.blobs.iteritems():
#    print layer_name + '\t' + str(blob.data.shape)
#打印输出
#for layer_name, param in net.params.iteritems():
#    print layer_name + '\t' + str(param[0].data.shape), str(param[1].data.shape) 
#print '**********'
#filters = net.params['conv1'][0].data
#打印层的输出
print transformed_image
print '**********'
#print transformed_image
#feat = net.blobs['conv1'].data[0, :36]
#print feat

转载于:https://www.cnblogs.com/hellokittyblog/p/8186096.html