python调用caffe模型_使用caffe模型测试图片（python接口）

1、加载相关模块

1.1 加载numpy

import numpy as np

1.2 加载caffe

有两种方法。

方法一(静态导入)：

找到当前环境使用的python的site-packages目录，寻找方法：

>>> import os

>>> os.path.dirname(os.__file__)

'/usr/lib64/python2.7'

如例则site-packages目录为/usr/lib64/python2.7/site-packages，在该目录下新建caffe.pth文件，输入已编译pycaffe的caffe路径：/xxx/xxx/caffe/python

方法二(动态导入)：

import sys

caffe_root = '/xxx/xxx/caffe/'

sys.path.insert(0, caffe_root + 'python')

import caffe

# 如果你看到"No module named _caffe",那么要么就是你没有正确编译pycaffe；要么就是你的路径有错误。

2、加载caffe模型

# 1.使用CPU

caffe.set_mode_cpu()

# 2.使用GPU

caffe.set_device(0) # 指定GPU编号

caffe.set_mode_gpu()

model_def = '/xxx/xxx/deploy.prototxt' # caffe网络结构配置文件的路径

model_weights = '/xxx/xxx/xxx.caffemodel' # 网络权重文件的路径

net = caffe.Net(model_def, # 定义模型结构

model_weights, # 包含了模型的训练权值

caffe.TEST) # 使用测试模式(不执行dropout)

3、输入预处理

# 对输入数据进行变换

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})

transformer.set_transpose('data', (2, 0, 1)) # 将图像的通道数设置为outermost的维数

## 均值操作有两种情况

### 情况1：

mu = np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy')

mu = mu.mean(1).mean(1) # 对所有像素值取平均以此获取BGR的均值像素值

transformer.set_mean('data', mu) # 对于每个通道，都减去BGR的均值像素值

### 情况2：

caffe_transformer.set_mean('data', np.array([104, 117, 123]))

transformer.set_raw_scale('data', 255) # 将像素值从[0,255]变换到[0,1]之间

transformer.set_channel_swap('data', (2, 1, 0)) # 数据通道交换，从RGB变换到BGR

4、图像加载与识别

# 设置输入图像大小

net.blobs['data'].reshape(50, # batch 大小

3, # 3-channel (BGR) images

227, 227) # 图像大小为:227x227

image = caffe.io.load_image(img_path) # img_path 为图片路径

transformed_image = transformer.preprocess('data', image)

# 将图像数据拷贝到为net分配的内存中

net.blobs['data'].data[...] = transformed_image

### 执行分类

output = net.forward()

output_prob = output['prob'][0] #batch中第一张图像的概率值