python - 咖啡执行

Question

我开始使用 caffe 进行深度学习。我有 .caffemodel 文件，其中包含经过训练的权重和特定的神经网络。我正在使用 python 界面。

我已经看到我可以通过这样做来加载我的网络和权重:

solver=caffe.get_solver('prototxtfile.prototxt')
solver.net.copy_from('weights.caffemodel')

但我不想微调我的应用程序。我只想使用这些权重。我想执行网络，对于 Imagenet 数据集中的每个图像，我想获得分类结果(而不是整个批处理的准确性)。我该怎么做？

非常感谢。

Answer 1

尝试理解附加的 python 代码行并根据您的需要进行调整。这不是我的代码，但我写了一个类似的代码来测试我的模型。
来源是: https://www.cc.gatech.edu/~zk15/deep_learning/classify_test.py

如果您不想微调预训练模型，显然您不需要求解器。求解器用于优化模型。如果你想预测图像的类概率，你实际上只需要做一个前向传播。请记住，您的 deploy.prototxt 必须有一个适当的最后一层，它使用 softmax 或 sigmoid 函数(取决于架构)。您不能为此使用 train_val.prototxt 中的损失函数。

import numpy as np
import matplotlib.pyplot as plt

# Make sure that caffe is on the python path:
caffe_root = '../'  # this file is expected to be in {caffe_root}/examples
import sys
sys.path.insert(0, caffe_root + 'python')

import caffe

# Set the right path to your model definition file, pretrained model weights,
# and the image you would like to classify.
MODEL_FILE = '../models/bvlc_reference_caffenet/deploy.prototxt'
PRETRAINED = '../models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'
IMAGE_FILE = 'images/cat.jpg'

caffe.set_mode_cpu()
net = caffe.Classifier(MODEL_FILE, PRETRAINED,
                       mean=np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1),
                       channel_swap=(2,1,0),
                       raw_scale=255,
                       image_dims=(256, 256))
input_image = caffe.io.load_image(IMAGE_FILE)
plt.imshow(input_image)

prediction = net.predict([input_image])  # predict takes any number of images, and formats them for the Caffe net automatically
print 'prediction shape:', prediction[0].shape
plt.plot(prediction[0])
print 'predicted class:', prediction[0].argmax()
plt.show()