如何测试自己生成的caffe 模型
发布网友
发布时间：2022-05-03 03:57
共1个回答
热心网友
时间：2023-10-09 03:03
不过那个代码我看着不太习惯，所以之前自己稍微写了一个简易的版本，不知道怎么上传附件，懒人一个就直接把代码贴在最后了。
先简单解释一下如何使用，把这个代码复制到一个头文件中，然后放在examples里面一个自己创建的文件夹里面，然后写一个main函数调用这个类就可以了，比如：
复制，保存到caffe/examples/myproject/net_operator.hpp，然后同目录下写一个main.cpp，在main函数里面#include “net_operator.hpp”，就可以使用这个类了：
const string net_prototxt = “…”; // 你的网络的prototxt文件，用绝对路径，下面同理
const string pre_trained_file = “…”; // 你训练好的。caffemodel文件
const string img_path = “…”; // 你要测试的图片路径
// 创建NetOperator对象
NetOperator net_operator（net_prototxt, pre_trained_file）；
Blob<float> *blob = net_operator.processImage（img_path）；
// blob就得到了最后一层的输出结果，至于blob里面是怎么存放数据的，你需要去看看对它的定义
写完main.cpp之后，到caffe目录下，make，然后它会编译你写的文件，对应生成的可执行文件。比如按我上面写的那样，make之后就会在caffe/build/examples/myproject文件夹里面生成一个main.bin，执行这个文件就可以了。因为生成的可执行文件并不是直接在代码目录下，所以前面我建议你写的路径用绝对路径
另外如果你要获取的不是最后一层的输出，你需要修改一下processImage函数的返回值，通过NetOperator的成员变量net_来获取你需要的blob，比如有个blob名称为“label”，你想获取这个blob，可以通过net_->blob_by_name（“label”）来获取，当然获取到的是shared_ptr<Blob<float> >类型的，搜一下boost shared_ptr就知道跟普通指针有什么不同了
好了，接下来是贴代码了：
#include <caffe/caffe.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iosfwd>
#include <memory>
#include <string>
#include <utility>
#include <vector>
using namespace caffe; // NOLINT（build/namespaces）
using std::string;
class NetOperator
{
public:
NetOperator（const string net_prototxt）；
NetOperator（const string net_prototxt, const string trained_file）；
~NetOperator（） { }
int batch_size（） { return batch_size_; }
Blob<float>* processImage（const string img_path, bool is_color = true）；
Blob<float>* processImages（const vector<string> img_paths, bool is_color = true）；
private:
void createNet（const string net_prototxt）；
// read the image and store it in the idx position of images in the blob
void readImageToBlob（const string img_path, int idx = 0, bool is_color = true）；
shared_ptr<Net<float> > net_;
cv::Size input_geometry_;
int batch_size_;
int num_channels_;
Blob<float>* input_blob_;
TransformationParameter transform_param_;
shared_ptr<DataTransformer<float> > data_transformer_;
Blob<float> transformed_data_;
};
NetOperator::NetOperator（const string net_prototxt） {
createNet（net_prototxt）；
}
NetOperator::NetOperator（const string net_prototxt, const string trained_file） {
createNet（net_prototxt）；
net_->CopyTrainedLayersFrom（trained_file）；
}
void NetOperator::createNet（const string net_prototxt） {
#ifdef CPU_ONLY
Caffe::set_mode（Caffe::CPU）；
#else
Caffe::set_mode（Caffe::GPU）；
#endif
net_.reset（new Net<float>（net_prototxt, TEST））；
CHECK_EQ（net_->num_inputs（）， 1） 《 “Network should have exactly one input.”;
CHECK_EQ（net_->num_outputs（）， 1） 《 “Network should have exactly one output.”;
Blob<float>* input_layer = net_->input_blobs（）[0];
batch_size_ = input_layer->num（）；
num_channels_ = input_layer->channels（）；
CHECK（num_channels_ == 3 || num_channels_ == 1）
《 “Input layer should have 1 or 3 channels.”;
input_geometry_ = cv::Size（input_layer->width（）， input_layer->height（））；
// reshape the output shape of the DataTransformer
vector<int> top_shape（4）；
top_shape[0] = 1;
top_shape[1] = num_channels_;
top_shape[2] = input_geometry_.height;
top_shape[3] = input_geometry_.width;
this->transformed_data_.Reshape（top_shape）；
}
Blob<float>* NetOperator::processImage（const string img_path, bool is_color） {
// reshape the net for the input
input_blob_ = net_->input_blobs（）[0];
input_blob_->Reshape（1, num_channels_,
input_geometry_.height, input_geometry_.width）；
net_->Reshape（）；
readImageToBlob（img_path, 0, is_color）；
net_->ForwardPrefilled（）；
return net_->output_blobs（）[0];
}
Blob<float>* NetOperator::processImages（const vector<string> img_paths, bool is_color） {
int img_num = img_paths.size（）；
// reshape the net for the input
input_blob_ = net_->input_blobs（）[0];
input_blob_->Reshape（img_num, num_channels_,
input_geometry_.height, input_geometry_.width）；
net_->Reshape（）；
for （int i=0; i<img_num; i++） {
readImageToBlob（img_paths[i], i, is_color）；
}
net_->ForwardPrefilled（）；
return net_->output_blobs（）[0];
}
void NetOperator::readImageToBlob（const string img_path, int idx, bool is_color） {
// read the image and resize to the target size
cv::Mat img;
int cv_read_flag = （is_color ? CV_LOAD_IMAGE_COLOR :
CV_LOAD_IMAGE_GRAYSCALE）；
cv::Mat cv_img_origin = cv::imread（img_path, cv_read_flag）；
if （！cv_img_origin.data） {
LOG（ERROR） 《 “Could not open or find file ” 《 img_path;
return ;
}
if （input_geometry_.height > 0 input_geometry_.width > 0） {
cv::resize（cv_img_origin, img, input_geometry_）；
} else {
img = cv_img_origin;
}
// transform the image to a blob using DataTransformer
// create a DataTransformer using default TransformationParameter （no transformation）
data_transformer_.reset（
new DataTransformer<float>（transform_param_, TEST））；
data_transformer_->InitRand（）；
// set the output of DataTransformer to the idx image of the input blob
int offset = input_blob_->offset（idx）；
this->transformed_data_.set_cpu_data（input_blob_->mutable_cpu_data（） + offset）；
// transform the input image
data_transformer_->Transform（img, （this->transformed_data_））；
}
