1
新手给咖啡。如何将训练好的Caffe模型用于当前输入图像?
我想在使用Caffe深度学习框架的MNIST数据集上使用训练的卷积神经网络。
继official tutorial。成功迈出
步骤:
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
./examples/mnist/train_lenet.sh
模型进行训练,并且以下消息停止:
I1203 solver.cpp:133] Snapshotting solver state to lenet_iter_10000.solverstate
I1203 solver.cpp:78] Optimization Done.
现在,我不知道如何得到一个测试图像,并利用现有的培训我相信这个模型的名字是lenet_iter_10000.solverstate
,以查看每个班级的预测分数。当你只需要测试一个图像,给该图像输入到您的测试数据层
<path to caffe root>/caffe test -model <val filename>.prototxt -weights lenet_iter_10000.caffemodel
:
感谢您的意见。我对此很新,你能指出我如何使用'mean_image'我不确定它。指导文档也可以。虽然我不确定语法,但我理解您的解决方案。 –
转到此链接的“Compute Image Mean”部分http://caffe.berkeleyvision.org/gathered/examples/imagenet.html。一旦你计算出了图像的均值,就可以在transform_param节点的''''''mean_file'''选项中的train_val.prototxt文件中设置上面获得的平均文件的路径。另外看看这个链接https://prateekvjoshi.com/2016/02/16/deep-learning-with-caffe-in-python-part-iii-training-a-cnn/。 –