最近訓練了一個人臉識別模型，使用的是VGGFace2，使用了1000類來訓練，今天介紹一下訓練好的模型如何使用。

首先是deploy檔案，注意這個deploy不是train.prototxt，一定是單獨的deploy.prototxt，他的開頭和結尾和train.prototxt是不一樣的。

具體在於data層，deploy的data層就是input

input: "data"
input_dim: 1
input_dim: 3
input_dim: 112
input_dim: 96

這樣就指定好了，不需要大括號，規定一下這是輸入層，以及他的維度就可以了。

然後結尾把train.prototxt裡的accuracy，還有softmaxwithloss層刪掉，加上一個softmax層

layer {
  name: "prob"
  type: "Softmax"
  bottom: "my_fc6"
  top: "prob"
}

把這個加在最後，deploy檔案就算完成了。

然後開始重點，介紹python程式碼部分，c++的後續我也會補上

首先不需要太多的import，一個caffe就夠了

import caffe 

接著定義模型檔案和權重檔案的路徑

deploy = 'deploy.prototxt'
caffe_model = 'models_1000/_iter_16000.caffemodel'

接著就可以生成一個網路的物件了

net = caffe.Net(deploy,caffe_model,caffe.TEST) 
 

接著生成一個transformer物件，用來對輸入圖片進行各種轉換，包括尺度表換，顏色通道變換等等

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) 

transformer.set_transpose('data', (2,0,1)) 
transformer.set_channel_swap('data', (2,1,0))

第一行是轉換資料格式，把原本的h, w, c換成c, h, w,也就是把顏色通道提前，這是caffe要求的格式

第二行是把顏色通道內部順序交換，原本讀進來的是bgr通道，改成caffe需要的rgb通道

img_path = 'test.jpg'
im=(caffe.io.load_image(img_path)) * 2 - 1

然後讀取圖片，使用的是caffe自帶的io讀取，讀進來是bgr通道的，並且是浮點型0~1大小範圍的，我訓練的時候是歸一化到-1~1了，所以需要*2-1，這裡酌情縮放和減均值

net.blobs['data'].data[...] = transformer.preprocess('data',im)

這一步是把剛才讀好的圖片餵給caffe的輸入層

out = net.forward() 

然後就開始執行了，結果賦值給out變數

prob = net.blobs['prob'].data[0].flatten()

取出最後softmax概率那一層，把它拉平賦值給prob變數

print prob.argmax()

列印最大的那個概率的id，也就是猜測類別的那個對應id了

******************************************************************填坑時間**********************************************************************

這裡之前遇到了一個坑，我不知道deploy裡面要自己新增一個softmax層，看到最後一個全連線層輸出個數就是分類個數，以為那一層就是softmax，最後打印出來的那一層的的輸出還有負數，顯然不是概率，實際的做法是最後還需要加入一個softmax層，問題就都解決了。

完整程式碼：

import caffe 
deploy = 'deploy.prototxt'
caffe_model = 'models_1000/_iter_16000.caffemodel'
net = caffe.Net(deploy,caffe_model,caffe.TEST)
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) 
transformer.set_transpose('data', (2,0,1)) 
transformer.set_channel_swap('data', (2,1,0))
img_path = '/data/dataset/VGGFace2/train_align/n000018/0050_02.png'
im=(caffe.io.load_image(img_path)) * 2 - 1
net.blobs['data'].data[...] = transformer.preprocess('data',im)
out = net.forward() 
prob = net.blobs['prob'].data[0].flatten()
print prob.argmax()