Deep learning Caffe模型为每个图像提供相同的输出

我刚刚使用预定义的prototxt和caffemodel文件在caffe中加载了alexnet。但是，向模型发送任何图像都会返回与fc7层输出相同的值

下面是代码片段

net=caffe.Net('alexnet/train_val.prototxt','alexnet/bvlc_alexnet.caffemodel',caffe.TEST) 

for image in images:
    im = np.array(caffe.io.load_image(image))
    im = caffe.io.resize_image(im, (227, 227))
    im = np.array(im,dtype=np.float32)
    im =255*im;
    im = im[:,:,::-1]
    im -= np.array(((104.00698793,116.66876762,122.67891434)))
    im = im.transpose(2,0,1)
    net.blobs['data'].reshape(1,*im.shape)
    net.blobs['data'].data[...] = im
    net.forward()
    fc = net.blobs['fc7'].data #Always the same value

---

它不应该是fc8，损失层的那个吗？在训练期间变换输入图像时，可能的重复图像不会变换输入图像。特别是，您没有减去平均值。@Shai我已经做了必要的更改，使预处理与中的相同training@Harjatin检查您的值的范围。我想你需要乘以255