caffe的googlenet模型使用

首先从网上下载imagenet训练好的模型，模型下载地址

http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

可以把模型放入/caffe-master/models/bvlc_googlenet/目录下

bvlc_googlenet目录就是官方提供的googlenet模型，可以训练或者直接使用googlenet模型。

可以在这个文件夹中新建一个image文件夹，存放要检测的照片。

然后就是编写一个test.py测试程序，程序如下：

#coding=utf-8

import numpy as np

import matplotlib.pyplot as plt

import os

import PIL

from PIL import Image

caffe_root = '/home/grid/caffe-master/'

import sys

sys.path.insert(0,caffe_root+'python')

import caffe

MODEL_FILE =caffe_root+'models/bvlc_googlenet/deploy.prototxt'

PRETRAINED =caffe_root+'models/bvlc_googlenet/bvlc_googlenet.caffemodel'

#cpu模式

caffe.set_mode_cpu()

#定义使用的神经网络模型

net = caffe.Classifier(MODEL_FILE,PRETRAINED,

mean=np.load(caffe_root +'python/caffe/imagenet/ilsvrc_2012_mean.npy').mean(1).mean(1),

channel_swap=(2,1,0),

raw_scale=255,

image_dims=(224, 224))

imagenet_labels_filename = caffe_root +'data/ilsvrc12/synset_words.txt'

labels =np.loadtxt(imagenet_labels_filename, str, delimiter='\t')

#对目标路径中的图像，遍历并分类

for root,dirs,files inos.walk("/home/grid/caffe-master/models/bvlc_googlenet/image/"):

for file in files:

#加载要分类的图片

IMAGE_FILE = os.path.join(root,file).decode('gbk').encode('utf-8');

input_image = caffe.io.load_image(IMAGE_FILE)

#预测图片类别

prediction = net.predict([input_image])

print 'predicted class:',prediction[0].argmax()

# 输出概率最大的前5个预测结果

top_k = net.blobs['prob'].data[0].flatten().argsort()[-1:-6:-1]

print labels[top_k]

然后执行程序python test.py

输入预测结果：

caffe的googlenet模型使用相关推荐

使用caffe自带模型训练cifar10数据集
前面训练了mnist数据集!但caffe自带的数据集还有cifar10数据集.同样cifar10数据集也是分类数据集,共分10类.cifar10数据集中包含60000张32x32的彩色图片.(其中 ...
「caffe速成」caffe图像分类从模型自定义到测试
https://www.toutiao.com/a6697741728985645581/ 这一次我们讲讲 Caffe 这个主流的开源框架从训练到测试出结果的全流程.到此,我必须假设大家已经有了深度学 ...
【caffe速成】caffe图像分类从模型自定义到测试
文章首发于微信公众号<与有三学AI> [caffe速成]caffe图像分类从模型自定义到测试这是给大家准备的caffe速成例子这一次我们讲讲 Caffe 这个主流的开源框架从训练到测试 ...
动手学深度学习(PyTorch实现)(十一)--GoogLeNet模型
GoogLeNet模型 1. GoogLeNet介绍 1.1 背景 1.2 GoogLeNet网络结构 2. PyTorch实现 2.1 导入相应的包 2.2 定义Inception块结构 2.3 定 ...
linux caffe生成的模型,深度学习之pytorch转caffe转ncnn模型转换（三）
搭建caffe平台: 先在Linux系统下搭建caffe环境,安装依赖包: sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy- ...
深度学习福利入门到精通第四讲——GoogleNet模型
2014年ILSVRC大赛中分类第一名就是GoogleNet模型,网络深度22层,而且在网络中加入Inception单元, 证明通过使用Inception单元构造的深层卷积神经网络能进一步提升模型整体 ...
caffe安装_【开源框架】caffe图像分类从模型自定义到测试
这一次我们讲讲 Caffe 这个主流的开源框架,从训练到测试出结果的全流程. 到此,我必须假设大家已经有了深度学习的基础知识并了解卷积网络的工作原理. 相关的代码.数据都在我们 Git 上,希望大家 ...
GoogLeNet模型
GoogLeNet模型 1.Inception块 GoogLeNet中的基础卷积块叫做Inception块. import d2lzh.d2lzh as d2l from mxnet import g ...
OpenCV -5 -GoogLeNet模型使用及CNN理论
OpenCV -5 -GoogLeNet模型使用及CNN理论文章目录 OpenCV -5 -GoogLeNet模型使用及CNN理论 @[toc] 关于GoogLeNet的介绍请自行查看:理论参考资 ...
caffe训练分类模型教程
caffe训练分类模型教程 1.已有图像存放在train和val下,book和not-book(两类)的图片数量相同在caffe/data下新建一個myself文件夾,并新建两个文件夹分别命名为tr ...

caffe的googlenet模型使用

caffe的googlenet模型使用相关推荐

最新文章

热门文章