使用caffe模型测试图片（python接口）

1、加载相关模块

1.1 加载numpy

import numpy as np

1.2 加载caffe

有两种方法。

方法一（静态导入）：

找到当前环境使用的python的site-packages目录，寻找方法：

>>> import os
>>> os.path.dirname(os.__file__)
'/usr/lib64/python2.7'

如例则site-packages目录为/usr/lib64/python2.7/site-packages，在该目录下新建caffe.pth文件，输入已编译pycaffe的caffe路径：/xxx/xxx/caffe/python

方法二（动态导入）：

import sys
caffe_root = '/xxx/xxx/caffe/'
sys.path.insert(0, caffe_root + 'python')
import caffe
# 如果你看到"No module named _caffe",那么要么就是你没有正确编译pycaffe；要么就是你的路径有错误。

2、加载caffe模型

# 1.使用CPU
caffe.set_mode_cpu()
# 2.使用GPU
caffe.set_device(0) # 指定GPU编号
caffe.set_mode_gpu()

model_def = '/xxx/xxx/deploy.prototxt' # caffe网络结构配置文件的路径
model_weights = '/xxx/xxx/xxx.caffemodel' # 网络权重文件的路径
net = caffe.Net(model_def,      # 定义模型结构
                model_weights,  # 包含了模型的训练权值
                caffe.TEST)     # 使用测试模式（不执行dropout）

3、输入预处理

# 对输入数据进行变换
transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2, 0, 1))  # 将图像的通道数设置为outermost的维数

## 均值操作有两种情况
### 情况1：
mu = np.load(caffe_root + 'python/caffe/imagenet/ilsvrc_2012_mean.npy')
mu = mu.mean(1).mean(1)  # 对所有像素值取平均以此获取BGR的均值像素值
transformer.set_mean('data', mu)  # 对于每个通道，都减去BGR的均值像素值
### 情况2：
caffe_transformer.set_mean('data', np.array([104, 117, 123]))

transformer.set_raw_scale('data', 255)  # 将像素值从[0,255]变换到[0,1]之间
transformer.set_channel_swap('data', (2, 1, 0))  # 数据通道交换，从RGB变换到BGR

4、图像加载与识别

# 设置输入图像大小
net.blobs['data'].reshape(50,        # batch 大小
                      	3,         # 3-channel (BGR) images
                      227, 227)  # 图像大小为:227x227
image = caffe.io.load_image(img_path) # img_path 为图片路径
transformed_image = transformer.preprocess('data', image)

# 将图像数据拷贝到为net分配的内存中
net.blobs['data'].data[...] = transformed_image

### 执行分类
output = net.forward()  
output_prob = output['prob'][0]  #batch中第一张图像的概率值