caffe学习笔记4-matcaffe训练与测试

.m文件流程（训练或者测试）
1.
添加路径 caffe/matlab 使得 Matlab 可以使用 matcaffe， +caffe文件夹下都是matcaffe的.m接口,可用matlab操作caffe网络
if exist('../+caffe', 'dir')
addpath('..');

2.设置caffe cpu/gpu 模式（在测试或者训练之前。.m文件中）
if exist('use_gpu', 'var') && use_gpu
caffe.set_mode_gpu();
gpu_id = 0; % we will use the first gpu in this demo
caffe.set_device(gpu_id);
else
caffe.set_mode_cpu();
end

3.后面就是初始化网络，进行训练或者测试。
用已有模型进行测试流程（测试以分类为例）
model_dir = '../../models/bvlc_reference_caffenet/'; //实际文件路径model = './models/bvlc_reference_caffenet/deploy.prototxt';
net_model = [model_dir 'deploy.prototxt'];
net_weights = [model_dir 'bvlc_reference_caffenet.caffemodel'];
phase = 'test'
net = caffe.Net(net_model, net_weights, phase); //创建网络并加载权值
或者：net = caffe.Net(model, 'test'); % 创建网络,但不加载权值
net.copy_from(weights); % 加载权值
prepare_image() //数据预处理（格式+冗余），自己定义
input_data = {prepare_image(im)}; //装载数据，等价net.blobs('data').set_data(prepare_image(im));用法
scores = net.forward(input_data); //前向计算
//提取出最大的score（概率）以及对应的标签号
scores = scores{1}; //等价prob = net.blobs('prob').get_data();用法//计算之后再读取原块的数据，最后一层为prob
scores = mean(scores, 2); //取所有分类结果的平均值

[~, maxlabel] = max(scores); //找到最大概率对应的标签号

matcaffe训练与测试相关推荐

sklearn.model_selection.train_test_split随机划分训练集和测试集
1 函数用途 train_test_split()是交叉验证中常用的函数,功能是将数组或矩阵按比例随机划分为训练集和测试集,使用方法为: X_train,X_test, y_train, y_test ...
【camera】YOLOV7实现实例分割+目标检测任务（训练、测试、量化、部署）
[camera]YOLOV7实现实例分割+目标检测任务代码下载地址训练.测试.量化.部署代码训练 For training, quite simple, same as detectron2: ...
基于深度学习的口罩规范佩戴检测【树莓派+PC训练、测试】
训练.测试.部署代码下载地址:下载地址一.硬件: PC端运行:Windows10或11(无需GPU,有最好)或MacOS 都测试可行树莓派运行:树莓派 4B model B 8G 版 USB RG ...
CornerNet的配置、训练与测试
CornerNet的配置.训练与测试文章目录 CornerNet的配置.训练与测试一.前言二.配置.训练.测试三.遇到的问题一.前言论文地址:https://arxiv.org/abs/1 ...
BN和Dropout在训练和测试时有哪些差别？
作者丨海晨威@知乎来源丨https://zhuanlan.zhihu.com/p/61725100 编辑丨极市平台 Batch Normalization BN,Batch Normalizatio ...
一行代码不用写，就可以训练、测试、使用模型，这个star量1.5k的项目帮你做到...
机器之心报道机器之心编辑部 igel 是 GitHub 上的一个热门工具,基于 scikit-learn 构建,支持 sklearn 的所有机器学习功能,如回归.分类和聚类.用户无需编写一行代码即可 ...
python尝试不同的随机数进行数据划分、使用卡方检验依次计算不同随机数划分下训练接和测试集所有分类特征的卡方检验的p值，如果所有p值都大于0.05则训练集和测试集都具有统计显著性、数据划分合理
python尝试不同的随机数进行数据划分.使用卡方检验依次计算不同随机数划分下训练接和测试集所有分类特征(categorical)的卡方检验的p值,如果所有p值都大于0.05则退出循环.则训练集和测试 ...
R语言使用lm构建线性回归模型、并将目标变量对数化实战：模型训练集和测试集的残差总结信息（residiual summary）、模型训练（测试）集自由度计算、模型训练（测试）集残差标准误计算
R语言使用lm构建线性回归模型.并将目标变量对数化实战:模型训练集和测试集的残差总结信息(residiual summary).模型训练(测试)集自由度计算.模型训练(测试)集残差标准误计算(Resi ...
R语言决策树、bagging、随机森林模型在训练集以及测试集的预测结果（accuray、F1、偏差Deviance）对比分析、计算训练集和测试集的预测结果的差值来分析模型的过拟合（overfit）情况
R语言决策树.bagging.随机森林模型在训练集以及测试集的预测结果(accuray.F1.偏差Deviance)对比分析.计算训练集和测试集的预测结果的差值来分析模型的过拟合(overfit)情况 ...
Pytorch 训练与测试时爆显存(cuda out of memory)的终极解决方案，使用cpu(勿喷)
Pytorch 训练与测试时爆显存(cuda out of memory)的终极解决方案,使用cpu(勿喷) 参见了很多方法,都没有用. 简单点,直接把gpu设成-1

matcaffe训练与测试

caffe学习笔记4-matcaffe训练与测试

matcaffe训练与测试相关推荐

最新文章

热门文章