訓練好了model后，可以通過python調用caffe的模型，然后進行模型測試的輸出。

本次測試主要依靠的模型是在caffe模型里面自帶訓練好的結構參數：~/caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel,以及結構參數

：~/caffe/models/bvlc_reference_caffenet/deploy.prototxt相結合，用python接口進行調用。

訓練的源代碼以及相應的注釋如下所示：

# -*- coding: UTF-8 -*-

import os

import caffe

import numpy as np

root='/home/zf/caffe/'#指定根目錄

deploy=root+'models/bvlc_reference_caffenet/deploy.prototxt'#結構文件

caffe_model=root + 'models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'

#已經訓練好的model

dir =root+'examples/images/'#保存測試圖片的集合

filelist=[]

filenames=os.listdir(dir)

for fn in filenames:

fullfilename = os.path.join(dir,fn)

filelist.append(fullfilename)

#filelist.append(fn)

def Test(img):

#加載模型

net = caffe.Net(deploy,caffe_model,caffe.TEST)

# 加載輸入和配置預處理

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)

#注意可以調節預處理批次的大小

#由于是處理一張圖片，所以把原來的10張的批次改為1

net.blobs['data'].reshape(1,3,227,227)

#加載圖片到數據層

im = caffe.io.load_image(img)

net.blobs['data'].data[...] = transformer.preprocess('data', im)

#前向計算

out = net.forward()

# 其他可能的形式 : out = net.forward_all(data=np.asarray([transformer.preprocess('data', im)]))

#預測分類

print out['prob'].argmax()

#打印預測標簽

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'

#循環遍歷文件夾root+'examples/images/'下的所有圖片

for i in range(0,len(filelist)):

img=filelist[i]

Test(img)

ps:主要有以下的文件需要說明

待測試的文件夾里面的圖片數據為：

最后的輸出結果如下：

以下是本人定義的label.txt文件寫入的預測的數據：

如果在編譯的時候出現import caffe error的話，說明沒有導入caffe

Export PYTHONPATH=$PYTHONPATH:/home/zf/caffe/python，如果還是不行，可能是你的caffe的python接口未編譯，cd /home/zf/caffe，然后執行make pycaffe,接著再測試。

以上這篇python接口調用已訓練好的caffe模型測試分類方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python caffe 训练自己的模型_python接口调用已训练好的caffe模型测试分类方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。