Python 提供Caffe的AlexNet模型

我一直在使用TensorFlow，但我对Caffe是新手。我想尝试在ImageNet上培训的AlexNet的可靠实现，我发现其中包括一个

我能够在一个非常短的Caffe代码中将打包在文件中的权重和中指定的模型链接起来，并获得1000个概率的输出向量，对应于网络将图像分类到的1000个类别

将numpy导入为np
将matplotlib.pyplot作为plt导入
导入系统
进口咖啡
进口经营者
MODEL_FILE='D:\\Desktop\\caffe\\models\\bvlc\u alexnet\\deploy.prototxt'
PRETRAINED='D:\\AlexNet\u Caffe\\bvlc\u AlexNet.caffemodel'
net=caffe.Classifier（模型_文件，预训练）
IMAGE_FILE='D:\\Desktop\\caffe\\python\\testIm1.jpg'
输入图像1=caffe.io.load图像（图像文件）
IMAGE\u FILE='D:\\Desktop\\caffe\\python\\testIm2.jpg'
输入图像2=caffe.io.load图像（图像文件）
pred=net.predict（[input_image1，input_image2]）
print pred#打印1000个概率的数组
索引，value=max（枚举（pred[0]），key=operator.itemgetter（1））
打印索引#打印最大概率的索引
打印值#打印最大概率
索引，value=max（枚举（pred[1]），key=operator.itemgetter（1））
打印索引#打印最大概率的索引
打印值#打印最大概率

在我的例子中，我可以指定模型和权重并获得输出，但是，无论我输入什么图像，输出似乎都是相同的（669）。

在Caffe存储库中，有一个。它下载并提取的tarball包含以下文件：

$ls-al
总数80395
drwxr-xr-x 1根197121 0 Aug 8 14:09/
drwxr-xr-x 1根197121 0 Aug 7 16:27/
-rw-r--r--1根197121 187 2014年2月25日。_imagenet_mean.binaryproto
-rw-r--r--1根197121 187 2014年4月8日。_synset_words.txt
-rw-r--r--1根197121 187 2014年2月25日。\u synsets.txt
-rw-r--r--1根197121 187 2014年2月25日。_test.txt
-rw-r--r--1根197121 187 2014年2月25日。\u train.txt
-rw-r--r--1根197121 187 2014年2月25日。_val.txt
-rw-r--r--1根197121 17858008年8月8日14:09 caffe_ilsvrc12.tar.gz
-rw-r--r--1根197121 3787 2014年6月8日det_synset_words.txt
-rwxr-xr-x 1 root 197121 610 Aug 8 13:41 get_ilsvrc_aux.sh*
-rw-r--r--1根197121 14931117 2014年7月11日imagenet.bet.pickle
-rw-r--r--1根197121 786446 2014年2月25日imagenet_mean.binaryproto
-rw-r--r--1根197121 31675 2014年4月8日synset_words.txt
-rw-r--r--1根197121 10000 2014年2月25日synsets.txt
-rw-r--r--1根197121 3200000 2014年2月25日test.txt
-rw-r--r--1根197121 43829433 2014年2月25日train.txt
-rw-r--r--1根197121 1644500 2014年2月25日val.txt

我不确定是否还需要使用文件

imagenet\u mean.binaryproto

和

imagenet.bet.pickle

---

有人能澄清一下吗？

你需要减去图像的平均值

当深度模型被训练时，输入通常被标准化为粗略平均值=0。对于Caffe的AlexNet，图像平均值保存在

imagenet_mean.binaryproto

中

有关如何使用预先训练的模型来获得分类结果的信息，请参见