将 caffe 与 c++ 或 python 连接时出现问题

Question

我读到的关于教程的内容是，您创建数据，然后使用 protobuf 编写模型，然后编写求解器文件。最后，您训练模型并获得生成的文件。所有这些都是通过命令行完成的。现在有两个问题

1) 假设我现在有生成的模型，如何加载不在测试文件夹中的新图像并执行前向传递。应该通过命令行还是通过某种语言（c++、python）来完成？

2) 我想上面是一种方法。训练分类器的最佳方法是什么（命令行训练/或通过编码）以及如何在代码中使用生成的模型文件（训练后）。

我想将 caffe 与我的代码进行交互，但我找不到一个简短的教程，它可以让我逐步了解任何数据库，比如 mnist，并且模型不需要像 LeNet 那样复杂，而是一个简单的完全连接层也可以。但是谁能告诉我如何使用 C++ 或 python 编写一个简单的代码并从头开始训练任何数据集。

如果有一个示例 C++/python 代码用于训练分类器并使用它来使用 caffe 预测新数据，我们也将不胜感激。

Answer 1

最好使用命令行进行训练。见this tutorial。

一旦你训练了一个模型并且你有一个myModel.caffemodel文件（一个存储不同层的wieghts的二进制文件）和一个deploy.prototxt文件（一个描述你的网络的文本文件），你可以使用python接口来分类图片。

您可以运行 python 脚本classify.py 从命令行对图像进行分类。这个脚本环绕classifier.py - 一个python 对象，它拥有一个训练有素的网络并允许您在python 中执行前向传递。