# 設定圖片的shape格式為網路data層格式
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
# 改變維度的順序，由原始圖片維度(width, height, channel)變為(channel, width, height)
transformer.set_transpose('data', (2,0,1)) 
# 減去均值,注意要先將binaryproto格式均值檔案轉換為npy格式[此步根據訓練model時設定可選]
transformer.set_mean('data', np.load(mean_file_path).mean(1).mean(1))
 
# 縮放到[0，255]之間
transformer.set_raw_scale('data', 255)
# 交換通道，將圖片由RGB變為BGR
transformer.set_channel_swap('data', (2,1,0))

# 載入圖片
im=caffe.io.load_image(img)

# 執行上面設定的圖片預處理操作，並將圖片載入到blob中
net.blobs['data'].data[...] = transformer.preprocess('data',im)

這裡注意的是：caffe.io.load_image()讀入的畫素值是[0-1]之間，且通道順序為RGB，而caffe內部的資料格式是BGR，因此需要進行如下操作，若是使用opencv開啟圖片，則無需進行如下操作。

# 縮放到[0，255]之間
transformer.set_raw_scale('data', 255)
# 交換通道，將圖片由RGB變為BGR
transformer.set_channel_swap('data', (2,1,0))