训练好了model后,可以通过python调用caffe的模型,然后进行模型测试的输出。
本次测试主要依靠的模型是在caffe模型里面自带训练好的结构参数:~/caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel,以及结构参数
:~/caffe/models/bvlc_reference_caffenet/deploy.prototxt相结合,用python接口进行调用。
训练的源代码以及相应的注释如下所示:
# -*- coding: UTF-8 -*- import os import caffe import numpy as np root='/home/zf/caffe/'#指定根目录 deploy=root+'models/bvlc_reference_caffenet/deploy.prototxt'#结构文件 caffe_model=root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel' #已经训练好的model dir =root+'examples/images/'#保存测试图片的集合 filelist=[] filenames=os.listdir(dir) for fn in filenames: fullfilename = os.path.join(dir,fn) filelist.append(fullfilename) #filelist.append(fn) def Test(img): #加载模型 net = caffe.Net(deploy,caffe_model,caffe.TEST) # 加载输入和配置预处理 transformer = caffe.io.Transformer({'data':net.blobs['data'].data.shape}) transformer.set_mean('data', np.load('/home/zf/caffe/python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1)) transformer.set_transpose('data', (2,0,1)) transformer.set_channel_swap('data', (2,1,0)) transformer.set_raw_scale('data', 255.0) #注意可以调节预处理批次的大小 #由于是处理一张图片,所以把原来的10张的批次改为1 net.blobs['data'].reshape(1,3,227,227) #加载图片到数据层 im = caffe.io.load_image(img) net.blobs['data'].data[...] = transformer.preprocess('data', im) #前向计算 out = net.forward() # 其他可能的形式 : out = net.forward_all(data=np.asarray([transformer.preprocess('data', im)])) #预测分类 print out['prob'].argmax() #打印预测标签 labels = np.loadtxt("/home/zf/caffe/data/ilsvrc12/synset_words.txt", str, delimiter='\t') top_k = net.blobs['prob'].data[0].flatten().argsort()[-1] print 'the class is:',labels[top_k] f=file("/home/zhengfeng/caffe/examples/zf/label.txt","a") f.writelines(img+' '+labels[top_k]+'\n') labels_filename=root +'data/ilsvrc12/synset_words.txt' #循环遍历文件夹root+'examples/images/'下的所有图片 for i in range(0,len(filelist)): img=filelist[i] Test(img)
ps:主要有以下的文件需要说明
待测试的文件夹里面的图片数据为:
最后的输出结果如下:
以下是本人定义的label.txt文件写入的预测的数据:
如果在编译的时候出现import caffe error的话,说明没有导入caffe
Export PYTHONPATH=$PYTHONPATH:/home/zf/caffe/python,如果还是不行,可能是你的caffe的python接口未编译,cd /home/zf/caffe,然后执行make pycaffe,接着再测试。
以上这篇python接口调用已训练好的caffe模型测试分类方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线
暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。
艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。
更新日志
- 群星《前途海量 电影原声专辑》[FLAC/分轨][227.78MB]
- 张信哲.1992-知道新曲与精丫巨石】【WAV+CUE】
- 王翠玲.1995-ANGEL【新艺宝】【WAV+CUE】
- 景冈山.1996-我的眼里只有你【大地唱片】【WAV+CUE】
- 群星《八戒 电影原声带》[320K/MP3][188.97MB]
- 群星《我的阿勒泰 影视原声带》[320K/MP3][139.47MB]
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[320K/MP3][148.91MB]
- 刘雅丽.2001-丽花皇后·EMI精选王【EMI百代】【FLAC分轨】
- 齐秦.1994-黄金十年1981-1990CHINA.TOUR.LIVE精丫上华】【WAV+CUE】
- 群星.2008-本色·百代音乐人创作专辑【EMI百代】【WAV+CUE】
- 群星.2001-同步过冬AVCD【环球】【WAV+CUE】
- 群星.2020-同步过冬2020冀待晴空【环球】【WAV+CUE】
- 沈雁.1986-四季(2012梦田复刻版)【白云唱片】【WAV+CUE】
- 纪钧瀚《胎教古典音乐 钢琴与大提琴的沉浸时光》[FLAC/分轨][257.88MB]
- 《国语老歌 怀旧篇 3CD》[WAV/分轨][1.6GB]