Caffe：尽可能简单地从快照中预测图像

Question

有什么方法可以轻松使用 Caffe 快照来预测新图像？

“轻松”是指：

1. 请勿手动将train.prototxt 更改为deploy.prototxt 并谨慎考虑。
2. 不将文件转换为 LMDB（或其他类似格式），只使用简单的图像文件（没有任何文件名列表或其他内容）
3. 仅使用 python 代码（不使用 CLI）

我已经根据 Caffe MNIST 示例训练了一个二元分类网络。我将 MNIST 更改为用于对 2 个类别进行分类，它的训练效果非常好。但是现在我已经完成了网络的训练并生成了快照（包含'snapshot.caffemodel'和'solver.caffemodel'），我被困在如何使用这个快照来预测一个图像而没有所有的麻烦......

我当前的代码是（如果我能像这样简单地进行预测，我真的更喜欢）：

#I'M NOT SURE IF I SHOULD USE 'caffe.Net(...)' OR 'caffe.Classifier(...)'
net = caffe.Classifier('Data/train.prototxt',
                       'Data/Snapshot_iter_1000.caffemodel',
                       mean=convertBinaryProtoToNPY('Data/mean_image.binaryproto'),
                       image_dims=(100, 100),
                       raw_scale=255)

score = net.predict([caffe.io.load_image('/Data/Images/1.jpg')])
print score

我收到了这个错误：

File "C:\Anaconda2\lib\site-packages\caffe\classifier.py", line 29, in __init__ in_ = self.inputs[0]
IndexError: list index out of range

搜索后我发现我不应该使用“train.prototxt”，而是使用名为“deploy.prototxt”的东西。

当前 Caffe 处理事情的方式有时似乎过于复杂，尤其是对于诸如使用快照预测图像之类的琐碎任务... 也许我做事的方式不对……

Answer 1

您确实需要手动将您的 train_val.prototxt 更改为 deploy.protoxt。
然而，这种改变比你想象的要容易。

将train_val.prototxt复制到一个新的deploy.prototxt并按照以下步骤编辑deploy.prototxt：

第一个变化：输入。

您需要告诉 caffe 为稍后手动提供的图像分配内存，而不是使用训练/验证数据集（通常表示为 "Data"/"HDF5Data"/"Imagedata" 层）。
为此，您需要删除现有的输入层（对于 TRAIN 和 TEST 阶段），并将它们替换为：

layer {
  name: "input"
  type: "Input"
  top: "data"  # or whatever was the name of the "top" of the training input. no need for "label" top - you do not have ground truth labels in test.
  input_param { shape: { dim: 1 dim: 3 dim: 100 dim: 100 } } # give caffe the expected dimensions of your input for memory allocation
}

第二个变化：网络的输出。

在训练期间，您的净输出是损失，而不是预测。
因此，首先删除 所有 损失层（特别是任何期望将"label" 作为“底部”的层）。这包括"SoftmaxWithLoss"/"Accuracy"/"SigmoidCrossEntropyLoss"等。
您需要用适当的预测层替换损失层。例如，"SoftmaxWithLoss" 层应替换为简单的"Softmax" 层，"SigmoidCrossEntropy" 层应替换为"Sigmoid" 层等等。
因此，如果你有类似的东西

layer {
  type: "SoftmaxWithLoss"
  name: "loss"
  bottom: "fc8"  # we need this name !
  bottom: "label"
  ...
}

替换为：

layer {
  name: "prob"
  type: "Softmax"
  bottom: "fc8" # the SAME as the train loss layer!
  top: "prob"
}

保存更改，现在您有一个正确的deploy.prototxt。

有关更多信息，请参阅this 帖子。