资讯专栏INFORMATION COLUMN

python格式Caffe图片数据信息均值测算学习培训

89542767 / 343人阅读

  此篇文章关键给大家介绍了python格式Caffe图片数据信息均值测算学习培训实例详细说明,感兴趣的小伙伴可以参考借鉴一下,希望可以一些帮助,祝愿大家多多的发展,尽早涨薪


  前言


  照片减掉均值后,然后再进行练习和检测,也会提高速度与精密度。因而,通常在各类实体模型中都有这种操作。


  那么这样的均值是怎么来的呢,实际上是测算全部svm分类器的均值,计算出来后,储存为均值文档,在今后的检测中,就能直接使用这种均值来做差,而无需对测试图片重算。


  一、2进制格式均值测算


  caffe中常用的均值数据类型是binaryproto,创作者给我们提供一个测算均值文件compute_image_mean.cpp,放到caffe目录下的tools文件夹里边。


  编译程序后可操作体放到build/tools/下边,大家立即启用就行了

  #sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto


  带两个参数:


  第一个参数:examples/mnist/mnist_train_lmdb,表示需要计算均值的数据,格式为lmdb的训练数据。


  第二个参数:examples/mnist/mean.binaryproto,计算出来的结果保存文件。


  二、python格式均值测算


  假如我们要让用python插口,或是我们应该开展特点数据可视化,可能要使用python格式均值文档了。首要,大家用lmdb格式的信息,算出2进制格式均值,然后,再转化成python格式均值。


  我们能撰写一个python脚本制作来达到:


  #!/usr/bin/env python
  import numpy as np
  import sys,caffe
  if len(sys.argv)!=3:
  print"Usage:python convert_mean.py mean.binaryproto mean.npy"
  sys.exit()
  blob=caffe.proto.caffe_pb2.BlobProto()
  bin_mean=open(sys.argv[1],'rb').read()
  blob.ParseFromString(bin_mean)
  arr=np.array(caffe.io.blobproto_to_array(blob))
  npy_mean=arr[0]
  np.save(sys.argv[2],npy_mean)


  将这个脚本保存为convert_mean.py


  调用格式为:

  #sudo python convert_mean.py mean.binaryproto mean.npy


  其中的mean.binaryproto就是经过前面步骤计算出来的二进制均值。


  mean.npy就是我们需要的python格式的均值。


  综上所述,这篇文章就给大家介绍完毕,希望可以给大家带来帮助。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/128777.html

相关文章

  • caffepython插口形成环境变量学习培训

      此篇文章主要是详细介绍了caffe的python插口形成环境变量学习培训,感兴趣的小伙伴可以参考借鉴一下,希望可以有一定的帮助,祝愿大家多多的发展,尽早涨薪  caffe是C++语言表达所写的,可能大家不太熟,所以想要更方便的编程语言来达到。caffe给予matlab接口和python插口,这几种语言表达就比较简单,并且很容易开展数据可视化,导致学习培训更为迅速,了解更加深刻。  一年前,我在...

    89542767 评论0 收藏0
  • caffepython接口deploy形成caffemodel归类新的图片

      本文主要是给大家介绍了caffe的python插口生成deploy文件学习培训及其用练习好一点的实体模型(caffemodel)来归类新的图片实例详细说明,感兴趣的小伙伴可以参考借鉴一下,希望可以有一定的帮助,祝愿大家多多的发展,尽早涨薪  caffe的python插口生成deploy文件  假如要将练习好一点的实体模型用于检测新的图片,那必然必须得一个deploy.prototxt文件,这一...

    89542767 评论0 收藏0
  • caffepython插口之手写数字识别mnist案例

      文中主要是给大家介绍了caffe的python插口之手写数字识别mnist案例详细说明,感兴趣的小伙伴可以参考借鉴一下,希望可以有一定的帮助,祝愿大家多多的发展,尽早涨薪  论文引言  机器学习第一个案例一般都是是mnist,只需这个案例彻底搞懂了,其他的便是触类旁通的事了。因为字数缘故,文中不简单介绍环境变量里边每一个指标的具体函义,如果要搞明白的,请参考我之前的微博文章:  数据访问层及主...

    89542767 评论0 收藏0
  • 23种深度学习库排行榜:TensorFlow最活跃、Keras最流行

    摘要:我们对种用于数据科学的开源深度学习库作了排名。于年月发布了第名,已经跻身于深度学习库的上半部分。是最流行的深度学习前端第位是排名较高的非框架库。颇受对数据集使用深度学习的数据科学家的青睐。深度学习库的完整列表来自几个来源。 我们对23种用于数据科学的开源深度学习库作了排名。这番排名基于权重一样大小的三个指标:Github上的活动、Stack Overflow上的活动以及谷歌搜索结果。排名结果...

    princekin 评论0 收藏0
  • Caffe神经网络服务层及主要参数

      此篇文章主要是给大家介绍了Caffe神经网络服务层及主要参数实例详细说明,感兴趣的小伙伴可以参考借鉴一下,希望可以有一定的帮助,祝愿大家多多的发展,尽早涨薪  前言  要运行caffe,必须要先构建一个实体模型(model),如较为常见的Lenet,Alex等,所以一个实体模型由好几个屋(layer)构成,每个屋又由很多主要参数构成。每一个主要参数都界定在caffe.proto这一文档中。要熟...

    89542767 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<