python - 将 caffe 与 c++ 或 python 接口(interface)时出现问题

Question

我读到的有关教程的内容是，您创建数据，然后使用 protobuf 编写模型，然后编写求解器文件。最后，您训练模型并获得生成的文件。所有这些都是通过命令行完成的。现在有两个问题

1) 假设我现在有生成的模型，如何加载不在测试文件夹中的新图像并执行前向传递。应该通过命令行还是从某种语言(c++、python)完成？

2) 我想上面是一种方法。训练分类器的最佳方法是什么(命令行训练/或通过编码)以及如何在代码中使用生成的模型文件(训练后)。

我想将 caffe 与我的代码连接起来，但我无法找到一个简短的教程来逐步介绍任何数据库，比如 mnist 并且该模型不需要像 LeNet 一样复杂，而是一个简单的 Fully连接层也可以。但是谁能告诉我如何使用 C++ 或 python 编写简单的代码并从头开始训练任何数据集。

用于训练分类器并使用它来使用 caffe 预测新数据的示例 C++/python 代码也将受到赞赏。

Answer 1

最好使用命令行进行训练。参见 this tutorial .

一旦你训练了一个模型，你就有了一个 myModel.caffemodel 文件(一个存储不同层的 wights 的二进制文件)和一个 deploy.prototxt 文件(一个描述您的网络的文本文件)，您可以使用 python 接口(interface)对图像进行分类。

您可以运行 python 脚本 classify.py从命令行对图像进行分类。此脚本环绕 classifier.py - 一个 python 对象，包含经过训练的网络并允许您在 python 中执行前向传递。