返利网网站怎么做,抖音推广怎么做,上海企业网络专线,写作网站起点之前在 http://blog.csdn.net/fengbingchun/article/details/50987185 中仿照Caffe中的examples实现对手写数字进行识别#xff0c;这里详细介绍下其执行流程并精简了实现代码#xff0c;使用Caffe对MNIST数据集进行train的文章可以参考 http://blog.csdn.net/fengbingchun/…之前在 http://blog.csdn.net/fengbingchun/article/details/50987185 中仿照Caffe中的examples实现对手写数字进行识别这里详细介绍下其执行流程并精简了实现代码使用Caffe对MNIST数据集进行train的文章可以参考 http://blog.csdn.net/fengbingchun/article/details/68065338
1 先注册所有层执行layer_factory.hpp中类LayerRegisterer的构造函数类LayerRegistry的AddCreator和Registry静态函数关于Caffe中Layer的注册可以参考 http://blog.csdn.net/fengbingchun/article/details/54310956
2 指定执行mode是采用CPU还是GPU
3 指定需要的.prototxt和.caffemodel文件注意此处的.prototxt文件(lenet_train_test_.prototxt)与train时.prototxt文件(lenet_train_test.prototxt)在内容上的差异。.caffemodel文件即是train后最终生成的二进制文件lenet_iter_10000.caffemodel里面存放着所有层的权值和偏置。lenet_train_test_.prototxt文件内容如下
name: LeNet # net名 layer { # memory required: (7841)*43140 name: data # layer名字 type: MemoryData # layer类型Data enters Caffe through data layersread data directly from memory top: data # top名字, shape: 1 1 28 28 (784) top: label # top名字, shape: 1 (1) #感觉并无实质作用仅用于增加一个top blob不可去掉 memory_data_param { # 内存数据参数 batch_size: 1 # 指定待识别图像一次的数量 channels: 1 # 指定待识别图像的通道数 height: 28 # 指定待识别图像的高度 width: 28 # 指定待识别图像的宽度 } transform_param { # 图像预处理参数 scale: 0.00390625 # 对图像像素值进行scale操作,范围[0, 1) } } layer { # memory required: 11520*446080 name: conv1 # layer名字 type: Convolution # layer类型卷积层 bottom: data # bottom名字 top: conv1 # top名字, shape: 1 20 24 24 (11520) param { # Specifies training parameters lr_mult: 1 # The multiplier on the global learning rate } param { # Specifies training parameters lr_mult: 2 # The multiplier on the global learning rate } convolution_param { # 卷积参数 num_output: 20 # 输出特征图(feature map)数量 kernel_size: 5 # 卷积核大小(卷积核其实就是权值) stride: 1 # 滑动步长 weight_filler { # The filler for the weight type: xavier # 权值使用xavier滤波 } bias_filler { # The filler for the bias type: constant # 偏置使用常量滤波 } } } layer { # memory required: 2880*411520 name: pool1 # layer名字 type: Pooling # layer类型,Pooling层 bottom: conv1 # bottom名字 top: pool1 # top名字, shape: 1 20 12 12 (2880) pooling_param { # pooling parameterpooling层参数 pool: MAX # pooling方法最大值采样 kernel_size: 2 # 滤波器大小 stride: 2 # 滑动步长 } } layer { # memory required: 3200*412800 name: conv2 # layer名字 type: Convolution # layer类型,卷积层 bottom: pool1 # bottom名字 top: conv2 # top名字, shape: 1 50 8 8 (3200) param { # Specifies training parameters lr_mult: 1 # The multiplier on the global learning rate } param { # Specifies training parameters lr_mult: 2 # The multiplier on the global learning rate } convolution_param { # 卷积参数 num_output: 50 # 输出特征图(feature map)数量 kernel_size: 5 # 卷积核大小(卷积核其实就是权值) stride: 1 # 滑动步长 weight_filler { # The filler for the weight type: xavier # 权值使用xavier滤波 } bias_filler { # The filler for the bias type: constant # 偏置使用常量滤波 } } } layer { # memory required: 800*43200 name: pool2 # layer名字 type: Pooling # layer类型,Pooling层 bottom: conv2 # bottom名字 top: pool2 # top名字, shape: 1 50 4 4 (800) pooling_param { # pooling parameterpooling层参数 pool: MAX # pooling方法最大值采样 kernel_size: 2 # 滤波器大小 stride: 2 # 滑动步长 } } layer { # memory required: 500*42000 name: ip1 # layer名字 type: InnerProduct # layer类型全连接层 bottom: pool2 # bottom名字 top: ip1 # top名字, shape: 1 500 (500) param { # Specifies training parameters lr_mult: 1 # The multiplier on the global learning rate } param { # Specifies training parameters lr_mult: 2 # The multiplier on the global learning rate } inner_product_param { # 全连接层参数 num_output: 500 # 输出特征图(feature map)数量 weight_filler { # The filler for the weight type: xavier # 权值使用xavier滤波 } bias_filler { # The filler for the bias type: constant # 偏置使用常量滤波 } } } # ReLU: Given an input value x, The ReLU layer computes the output as x if x 0 and # negative_slope * x if x 0. When the negative slope parameter is not set, # it is equivalent to the standard ReLU function of taking max(x, 0). # It also supports in-place computation, meaning that the bottom and # the top blob could be the same to preserve memory consumption layer { # memory required: 500*42000 name: relu1 # layer名字 type: ReLU # layer类型 bottom: ip1 # bottom名字 top: ip1 # top名字 (in-place), shape: 1 500 (500) } layer { # memory required: 10*440 name: ip2 # layer名字 type: InnerProduct # layer类型,全连接层 bottom: ip1 # bottom名字 top: ip2 # top名字, shape: 1 10 (10) param { # Specifies training parameters lr_mult: 1 # The multiplier on the global learning rate } param { # Specifies training parameters lr_mult: 2 # The multiplier on the global learning rate } inner_product_param { num_output: 10 # 输出特征图(feature map)数量 weight_filler { # The filler for the weight type: xavier # 权值使用xavier滤波 } bias_filler { # The filler for the bias type: constant # 偏置使用常量滤波 } } } layer { # memory required: 10*440 name: prob # layer名字 type: Softmax # layer类型 bottom: ip2 # bottom名字 top: prob # top名字, shape: 1 10 (10) } # 占用总内存大小为3140460801152012800320020002000404080820 lenet_train_test_.prototxt可视化结果( http://ethereon.github.io/netscope/quickstart.html )如下图 train时lenet_train_test.prototxt与识别时用到的lenet_train_test_.prototxt差异
(1)、数据层训练时用Data是以lmdb数据存储方式载入网络的而识别时用MemoryData方式直接从内存载入网络
(2)、Accuracy层仅训练时用到用以计算test集的准确率
(3)、输出层Softmax/SoftmaxWithLoss层训练时用SoftmaxWithLoss输出loss值识别时用Softmax输出10类数字的概率值。
4 创建Net对象并初始化有两种方法一个是通过传入string类型(.prototxt文件)参数创建一个是通过传入NetParameter参数
5 调用Net的CopyTrainedLayersFrom函数加载在train时生成的二进制文件.caffemodel即lenet_iter_10000.caffemodel有两种方法一个是通过传入string类型(.caffemodel文件)参数一个是通过传入NetParameter参数
6 获取Net相关参数在后面识别时需要用到
(1)、通过调用Net的blob_by_name函数获得待识别图像所要求的通道数、宽、高
(2)、通过调用Net的output_blobs函数获得输出blob的数目及大小注这里输出2个blob第一个是labelcount为1第二个是probcount为10即表示数字识别结果的概率值。
7 开始进行手写数字识别
(1)、通过opencv的imread函数读入图像
(2)、根据从Net中获得的需要输入图像的要求对图像进行颜色空间转换和缩放
(3)、因为MNIST train时图像为前景为白色背景为黑色而现在输入图像为前景为黑色背景为白色因此需要对图像进行取反操作
(4)、将图像数据传入Net有两种方法一种是通过MemoryDataLayer类的Reset函数一种是通过MemoryDataLayer类的AddMatVector函数传入Mat参数
(5)、调用Net的ForwardPrefilled函数进行前向计算
(6)、输出识别结果注前向计算完返回的Blob有两个第二个Blob中的数据才是最终的识别结果的概率值其中最大值的索引即是识别结果。
8 通过lenet_train_test_.prototxt文件分析各层的权值、偏置和神经元数量共9层
(1)、data数据层无权值和偏置神经元数量为1*1*28*281785
(2)、conv1卷积层卷积窗大小为5*5输出特征图数量为20卷积窗种类为20输出特征图大小为24*24可训练参数(权值阈值(偏置))为 20*1*5*520520神经元数量为1*20*24*2411520
(3)、pool1降采样层滤波窗大小为2*2输出特征图数量为20滤波窗种类为20输出特征图大小为12*12可训练参数(权值偏置)为1*202040神经元数量为1*20*12*122880
(4)、conv2卷积层卷积窗大小为5*5输出特征图数量为50卷积窗种类为50*20输出特征图大小为8*8可训练参数(权值偏置)为50*20*5*55025050神经元数量为1*50*8*83200
(5)、pool2降采样层滤波窗大小为2*2输出特征图数量为50滤波窗种类为50,输出特征图大小为4*4可训练参数(权值偏置)为1*5050100神经元数量为1*50*4*4800
(6)、ip1全连接层滤波窗大小为1*1输出特征图数量为500滤波窗种类为500*800输出特征图大小为1*1可训练参数(权值偏置)为500*800*1*1500400500神经元数量为1*500*1*1500
(7)、relu1层in-placeip1
(8)、ip2全连接层滤波窗大小为1*1输出特征图数量为10滤波窗种类为10*500输出特征图大小为1*1可训练参数(权值偏置)为10*500*1*1105010神经元数量为1*10*1*110
(9)、prob输出层神经元数量为1*10*1*1111。
精简后的手写数字识别测试代码如下
int mnist_predict()
{caffe::Caffe::set_mode(caffe::Caffe::CPU);const std::string param_file{ E:/GitCode/Caffe_Test/test_data/model/mnist/lenet_train_test_.prototxt };const std::string trained_filename{ E:/GitCode/Caffe_Test/test_data/model/mnist/lenet_iter_10000.caffemodel };const std::string image_path{ E:/GitCode/Caffe_Test/test_data/images/ };// 有两种方法可以实例化net// 1. 通过传入参数类型为std::stringcaffe::Netfloat caffe_net(param_file, caffe::TEST);caffe_net.CopyTrainedLayersFrom(trained_filename);// 2. 通过传入参数类型为caffe::NetParameter//caffe::NetParameter net_param1, net_param2;//caffe::ReadNetParamsFromTextFileOrDie(param_file, net_param1);//net_param1.mutable_state()-set_phase(caffe::TEST);//caffe::Netfloat caffe_net(net_param1);//caffe::ReadNetParamsFromBinaryFileOrDie(trained_filename, net_param2);//caffe_net.CopyTrainedLayersFrom(net_param2);int num_inputs caffe_net.input_blobs().size(); // 0 ??const boost::shared_ptrcaffe::Blobfloat blob_by_name caffe_net.blob_by_name(data);int image_channel blob_by_name-channels();int image_height blob_by_name-height();int image_width blob_by_name-width();int num_outputs caffe_net.num_outputs();const std::vectorcaffe::Blobfloat* output_blobs caffe_net.output_blobs();int require_blob_index{ -1 };const int digit_category_num{ 10 };for (int i 0; i output_blobs.size(); i) {if (output_blobs[i]-count() digit_category_num)require_blob_index i;}if (require_blob_index -1) {fprintf(stderr, ouput blob dont match\n);return -1;}std::vectorint target{ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 };std::vectorint result;for (auto num : target) {std::string str std::to_string(num);str .png;str image_path str;cv::Mat mat cv::imread(str.c_str(), 1);if (!mat.data) {fprintf(stderr, load image error: %s\n, str.c_str());return -1;}if (image_channel 1)cv::cvtColor(mat, mat, CV_BGR2GRAY);else if (image_channel 4)cv::cvtColor(mat, mat, CV_BGR2BGRA);cv::resize(mat, mat, cv::Size(image_width, image_height));cv::bitwise_not(mat, mat);// 将图像数据载入Net网络有2种方法boost::shared_ptrcaffe::MemoryDataLayerfloat memory_data_layer boost::static_pointer_castcaffe::MemoryDataLayerfloat(caffe_net.layer_by_name(data));// 1. 通过MemoryDataLayer类的Reset函数mat.convertTo(mat, CV_32FC1, 0.00390625);float dummy_label[1] {0};memory_data_layer-Reset((float*)(mat.data), dummy_label, 1);// 2. 通过MemoryDataLayer类的AddMatVector函数//std::vectorcv::Mat patches{mat}; // set the patch for testing//std::vectorint labels(patches.size());//memory_data_layer-AddMatVector(patches, labels); // push vectorMat to data layerfloat loss{ 0.0 };const std::vectorcaffe::Blobfloat* results caffe_net.ForwardPrefilled(loss); // Net forwardconst float* output results[require_blob_index]-cpu_data();float tmp{ -1 };int pos{ -1 };fprintf(stderr, actual digit is: %d\n, target[num]);for (int j 0; j 10; j) {printf(Probability to be Number %d is: %.3f\n, j, output[j]);if (tmp output[j]) {pos j;tmp output[j];}}result.push_back(pos);}for (auto i 0; i 10; i)fprintf(stderr, actual digit is: %d, result digit is: %d\n, target[i], result[i]);fprintf(stderr, predict finish\n);return 0;
}测试结果如下 GitHubhttps://github.com/fengbingchun/Caffe_Test --------------------- 作者fengbingchun 来源CSDN 原文https://blog.csdn.net/fengbingchun/article/details/69001433 版权声明本文为博主原创文章转载请附上博文链接
--------------------- 作者fengbingchun 来源CSDN 原文https://blog.csdn.net/fengbingchun/article/details/69001433 版权声明本文为博主原创文章转载请附上博文链接
