Question

有没有办法轻松使用Caffe Snapshot来预测新的图像？

和“EASILY”我的意思是：

未手动更改train.prototxt至deploy.prototxt并谨慎考虑。
没有将文件转换为LMDB（或其他类似的格式），只使用简单的简单图像文件（没有任何文件名列表或东西）
仅使用python代码（并且没有CLI）

我已经根据Caffe MNIST示例训练了二进制分类网络。我改变MNIST用于分类2级，它训练非常好。但是现在我已经完成了对网络的训练并生成了快照（包含'snapshot.caffemodel'和'solver.caffemodel'），我仍然坚持如何使用这个快照来预测JUST ONE图像，而不会有任何麻烦......

我目前的代码是（我真的更喜欢我能做的预测就像这样简单）：

#I'M NOT SURE IF I SHOULD USE 'caffe.Net(...)' OR 'caffe.Classifier(...)'
net = caffe.Classifier('Data/train.prototxt',
                       'Data/Snapshot_iter_1000.caffemodel',
                       mean=convertBinaryProtoToNPY('Data/mean_image.binaryproto'),
                       image_dims=(100, 100),
                       raw_scale=255)

score = net.predict([caffe.io.load_image('/Data/Images/1.jpg')])
print score

我收到了这个错误：

File "C:\Anaconda2\lib\site-packages\caffe\classifier.py", line 29, in __init__ in_ = self.inputs[0]
IndexError: list index out of range

在搜索之后我发现我不应该使用'train.prototxt'，而是使用'deploy.prototxt'。

Caffe处理事物的当前方式有时看起来过于复杂，特别是对于使用快照预测图像等琐碎任务... 也许我做错了事......

Answer 1

您需要手动将train_val.prototxt更改为deploy.protoxt。
但是，这种变化比你想象的要容易。

将train_val.prototxt复制到新deploy.prototxt并根据以下步骤修改deploy.prototxt：

首先改变：输入。

不是使用训练/验证数据集（通常表示为"Data" / "HDF5Data" / "Imagedata"图层），而是需要告诉caffe将内存分配给稍后您将要使用的图像手动提供为此，您需要删除现有的输入图层（适用于TRAIN和TEST阶段），并将其替换为：

layer {
  name: "input"
  type: "Input"
  top: "data"  # or whatever was the name of the "top" of the training input. no need for "label" top - you do not have ground truth labels in test.
  input_param { shape: { dim: 1 dim: 3 dim: 100 dim: 100 } } # give caffe the expected dimensions of your input for memory allocation
}

第二次变化：净输出。

在训练期间，您的净输出损失，而不是预测因此，首先删除所有损失图层（特别是，期望获得"label"的任何图层为＆＃34;底部＆＃34;）。这包括"SoftmaxWithLoss" / "Accuracy" / "SigmoidCrossEntropyLoss"等您需要使用适当的预测图层替换损失图层。例如，"SoftmaxWithLoss"图层应替换为简单的"Softmax"图层，"SigmoidCrossEntropy"图层应替换为"Sigmoid"图层，依此类推。
因此，如果你有像

这样的东西

layer {
  type: "SoftmaxWithLoss"
  name: "loss"
  bottom: "fc8"  # we need this name !
  bottom: "label"
  ...
}

将其替换为：

layer {
  name: "prob"
  type: "Softmax"
  bottom: "fc8" # the SAME as the train loss layer!
  top: "prob"
}

保存更改，现在您有了deploy.prototxt。

有关详细信息，请参阅this发布。

Caffe：尽可能简单地预测快照中的图像

1 个答案:

首先改变：输入。

第二次变化：净输出。