caffe for python(0)
阿新 • • 發佈:2018-12-03
#coding=utf-8
import os
import caffe
import numpy as np
root='/home/liuyun/caffe/' #根目錄
deploy=root + 'examples/DR_grade/deploy.prototxt' #deploy檔案
caffe_model=root + 'models/DR/model1/DRnet_iter_40000.caffemodel' #訓練好的 caffemodel
import os
dir = root+'examples/DR_grade/test_512/'
filelist= []
filenames = os.listdir(dir)
for fn in filenames:
fullfilename = os.path.join(dir,fn)
filelist.append(fullfilename)
# img=root+'data/DRIVE/test/60337.jpg' #隨機找的一張待測圖片
def Test(img):
net = caffe.Net(deploy,caffe_model,caffe.TEST) #載入model和network
#圖片預處理設定
#設定圖片的shape格式(1,3,28,28)
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
#改變維度的順序,由原始圖片(28,28,3)變為(3,28,28)
transformer.set_transpose('data', (2,0,1))
#transformer.set_mean('data', np.load(mean_file).mean(1).mean(1))
#減去均值,前面訓練模型時沒有減均值,這兒就不用
transformer.set_raw_scale( 'data', 255) # 縮放到【0,255】之間
transformer.set_channel_swap('data', (2,1,0)) #交換通道,將圖片由RGB變為BGR
#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)
#執行測試
out = net.forward()
#讀取類別名稱檔案
labels = np.loadtxt(labels_filename, str, delimiter='\t')
#取出最後一層(prob)屬於某個類別的概率值,並列印,'prob'為最後一層的名稱
prob= net.blobs['prob'].data[0].flatten()
print prob
order=prob.argsort()[4] #將概率值排序,取出最大值所在的序號 ,9指的是分為0-9十類
#argsort()函式是從小到大排列
print 'the class is:',labels[order] #將該序號轉換成對應的類別名稱,並列印
f=file("/home/liuyun/caffe/examples/DR_grade/label.txt","a+")
f.writelines(img+' '+labels[order]+'\n')
labels_filename = root +'examples/DR_grade/DR.txt' #類別名稱檔案,將數字標籤轉換回類別名稱
for i in range(0, len(filelist)):
img= filelist[i]
Test(img)