【caffe-windows】 caffe-master 之Matlab中model的分類應用

標籤：換行   迴圈   err   device   backend   file   避免   break   分數   

此篇講述在matlab中，如何將訓練好的model用於映像分類。將以mnist為例，主要用到caffe-master\matlab\demo 下的classification_demo.m ，可參考我之前的部落格 【caffe-windows】 caffe-master 之 classfication_demo.m 超詳細分析 （http://blog.csdn.net/u011995719/article/details/54135189）

 

首先貼大神的部落格：http://blog.csdn.net/zb1165048017/article/details/52447109

 

我的實驗是參考了他的步驟，相比之前的mnist分類，這裡增加了減均值操作，所以需要對設定檔做出相應的更改，同時也可以學習一下如何求取訓練集的均值檔案，以及減均值操作。

 

前期準備： 下載測試圖片（連結：http://pan.baidu.com/s/1o7NySMu密碼：bead 源自：http://blog.csdn.net/zb1165048017/article/details/52217772），放到檔案夾caffe-master\matlab\demo 下

 

第一步： 算出均值，得到均值檔案mean.binaryproto

 在caffe-master\examples\mnist下建立 文字文件，尾碼更改為 .bat 複製以下code:

 

..\..\Build\x64\Release\compute_image_mean.exe-backend=lmdb ../../examples\mnist\mnist_train_lmdb mean.binaryproto

Pause

 

 

 

 

 

雙擊運行，則在caffe-master\examples\mnist下會得到 mean.binaryproto

(PS: 至於mnist資料擷取此處不再重複，請參照我之前的部落格：http://blog.csdn.net/u011995719/article/details/54023085)

 

需要注意的是，當將mnist資料轉換成leveldb的時候，需要對應的更改以上code（imdb改為leveldb）

 

 

第二步：訓練model ，需要改動3個檔案lenet.prototxt 、lenet_solver.prototxt、lenet_train_test.prototxt

 

 因為要做減均值操作，所以要對lenet_solver.prototxt和lenet_train_test.prototxt變更，為了避免和之前的衝突，這裡複製了一份，然後分別重新命名為lenet_solver_mean.prototxt 和lenet_train_test_mean.prototxt

 

lenet_solver_mean.prototxt較lenet_solver.prototxt更改處如下：

 

net:"../../examples/mnist/lenet_train_test_mean.prototxt"

 

 

  

 

lenet_train_test_mean.prototxt較lenet_train_test.prototxt 更改處如下：

    phase: TRAIN

  }

  transform_param {

       mean_file:"../../examples/mnist/mean.binaryproto"

    scale: 0.00390625

  }

 

    phase: TEST

  }

  transform_param {

       mean_file:"../../examples/mnist/mean.binaryproto"

    scale: 0.00390625

  }

 

 

 請注意自己資料的格式，是LMDB還是LEVELDB 。

 

最後更改lenet.prototxt，更改處如下：

  input_param { shape: { dim:1  dim: 1 dim: 28 dim: 28 } }

這裡存在一個問題就是為什麼是64，是bug？還是什嗎？ 沒搞沒明白

 

 更改好了以上三個檔案，就可以在caffe-master\examples\mnist下建立 .bat 檔案訓練了，具體

 

訓練好之後會有lenet_iter_10000.caffemodel，這個就是後面在matlab裡要用到的模型了

 

 

第三步：建立標籤檔案 mnist_synset_words.txt

       在caffe-master\matlab\demo下建立文字文件複製以下代碼：

0 

1 

2 

3 

4 

5 

6 

7 

8 

9

儲存，為了區別不同的標籤檔案，此處更改了檔案名稱為mnist_synset_words，因此在後面的matlab程式中讀取時候需要做相應更改

 

 

 

 

第四步：編輯兩個matlab檔案，一個是classification_demo.m的修改，一個是調用classification_demo的主函數

       在caffe-master\matlab\demo下建立m檔案，儲存為mnist_test.m 具體code如下：

clear  
clc  
close all  
im=imread([‘binarybmp/5.bmp‘]);   % 讀取圖片
figure;imshow(im);  %顯示圖片  
[scores, maxlabel] = mnist_CF(im‘, 1);   %擷取得分 第二個參數0為CPU，1為GPU  
scores   ;
maxlabel  ;
  
figure;plot(scores);    % 畫出得分情況  
axis([0, 10, -0.1, 0.5]);   % 座標軸範圍  
grid on % 有網格  
  
fid = fopen(‘mnist_synset_words.txt‘, ‘r‘);  
i=0;  
while ~feof(fid)   % while ~feof 表示 若 未讀到檔案末尾 則 繼續 迴圈
    i=i+1;   
    lin = fgetl(fid);   % fgetl 從已經開啟的檔案中讀取一行，並且丟掉末尾的分行符號
    lin = strtrim(lin); % strtrim 從字串或cell開頭去掉空格
    if(i==maxlabel)  
        fprintf(‘The maxlabel of %d in label txt is %s\n‘,i,lin)  
        break  
    end  
end  

 

 

 

 

在caffe-master\matlab\demo下建立m檔案，儲存為mnist_CF.m

具體code如下：

 function [scores, maxlabel] = mnist_CF(im, use_gpu)
%此處為添加路徑，確保能找到caffe-master\matlab\+caffe
if exist(‘../+caffe‘, ‘dir‘)
  addpath(‘../..‘);
else
  error(‘Please run this demo from caffe/matlab/demo‘);
end
% 設定CPU or GPU
if exist(‘use_gpu‘, ‘var‘) && use_gpu
  caffe.set_mode_gpu();
  gpu_id = 0;  % we will use the first gpu in this demo
  caffe.set_device(gpu_id);
else
  caffe.set_mode_cpu();
end


model_dir = ‘../../examples/mnist/‘;  
net_model = [model_dir ‘lenet.prototxt‘];  
net_weights = [model_dir ‘lenet_iter_10000.caffemodel‘];  
phase = ‘test‘; % 指出網路狀態為test，防止使用dropout
if ~exist(net_weights, ‘file‘)% 檢測模型是否存在，不存在則報錯提醒
  error(‘Please download CaffeNet from Model Zoo before you run this demo‘);
end


 
net = caffe.Net(net_model, net_weights, phase); % 初始化網路
%　 oversample
    mean_data = caffe.io.read_mean(‘../../examples/mnist/mean.binaryproto‘); %
    scale = 0.00390625;
    im = double(im);
    im =  (im-mean_data)*scale;
    input_data = {im};


scores = net.forward(input_data);   %　將資料輸入到網路，進行前向傳播，得出分數，scores是一個細胞元組


scores = scores{1};         % scores 是 1000*10 的矩陣 10是對應了10個crop圖片
scores = mean(scores, 2);   %　對10個crop進行求平均 
[~, maxlabel] = max(scores); % 再找出最大的那一個 


% 重設 caffe
caffe.reset_all();

 

 

 

第五步 : 運行mnist_test.m即可 

 

 

PS：很容易出現路徑不正確的問題，出錯先看看是否路徑不正確。其次就是這裡我更改了好多檔案名稱，所以相應的檔案裡面也要做修改，最好用ctrl+c ctrl+v的方法，免得書寫錯誤。 

【caffe-windows】 caffe-master 之Matlab中model的分類應用