介绍一种更加灵活的方法,用MemoryData层输入数据,能够直接用opencv接口读入咱们的图片再添加的网络中。
第一个问题:仍然是工程创建问题,提示卷积层或其余层没有注册,解决方法与上一篇博客同样。可查看:http://blog.csdn.net/sunshine_in_moon/article/details/50125255
第二个问题:网络配置文件的改写,由于使用MemoryData层。数组
layers{
name: "data"
type: MEMORY_DATA //MemoryData层类型,还有须要注意,MEMORY_DATA别多此一举加上引号,不然会报错!
top: "data"
top: "label" //最好写上,虽而后面没有用到
transform_param{
mirror: false
crop_size:224
mean_value:129.1863//三个通道的均值
mean_value:104.7624
mean_value:93.5940
}
memory_data_param{//如下四个参数与ImageData稍有不一样,请注意
batch_size:1
channels:3
height:224
width:224
}
}
第三个问题:代码,这段代码写的有点乱,请见谅!网络
template <typename Dtype>
caffe::Net<Dtype>* Net_Init_Load(
std::string param_file, std::string pretrained_param_file, caffe::Phase phase)
{
CheckFile(param_file);//CheckFile 是一个子函数我没有贴上,能够直接删掉这两行
CheckFile(pretrained_param_file);
caffe::Net<Dtype>* net(new caffe::Net<Dtype>(param_file, phase));
net->CopyTrainedLayersFrom(pretrained_param_file);
return net;
}
#define NetF float //宏定义 不少人包括我本身刚开始看到NetF也很困惑,原来就是float
int main()
{
/* boost::shared_ptr< Net<float> > feature_net; feature_net = Init_net(); cv::Mat src1; src1 = cv::imread("test.jpg"); //cv::imshow("img", src1); //cv::waitKey(0); //cv::destroyAllWindows(); //cv::Mat rszimage; //// The mean file image size is 256x256, need to resize the input image to 256x256 //cv::resize(src1, rszimage, cv::Size(244, 244)); std::vector<cv::Mat> patches; patches.push_back(src1); // image is a cv::Mat, as I'm using #1416 std::vector<int> labels; labels.push_back(0); boost::shared_ptr< MemoryDataLayer<float> >memory_data_layer; memory_data_layer = boost::static_pointer_cast<MemoryDataLayer<float>>(feature_net->layer_by_name("data")); /* caffe::Datum data; caffe::ReadFileToDatum("test.jpg", &data); caffe::MemoryDataLayer<float> *m_layer_ = (caffe::MemoryDataLayer<float> *)feature_net->layers()[0].get(); */
/* memory_data_layer->AddMatVector(patches,labels); feature_net->ForwardPrefilled(); float data1; data1 = Read_Feature_data(feature_net, "fc8"); cout << data1 << endl; */
/*从这里开始*/
cv::Mat src1;
src1 = cv::imread("test.jpg");
//cv::Mat rszimages;
//cv::resize(src1, rszimages, cv::Size(224, 224));
std::vector<cv::Mat> dv = { src1 };//****输入的图片,注意格式,即便只有一张图片也要使用向量格式
std::vector<int> label = { 0 };//**输入图片的标签(可随便写),也要注意是向量,这是由AddMatVector函数决定的
//caffe::Datum data;
//caffe::ReadFileToDatum("test.jpg", &data);
caffe::Net<NetF>* _net = Net_Init_Load<NetF>("FACE_deploy.prototxt",
"FACE.caffemodel", caffe::TEST);
caffe::MemoryDataLayer<NetF> *m_layer_ = (caffe::MemoryDataLayer<NetF> *)_net->layers()[0].get();//**定义个内存数据层指针
m_layer_->AddMatVector(dv, label);//***这两行很重要,是使用MemoryData层必须的,这是把图片和标签,添加到
//**MemoryData层
/*float loss = 0.0; std::vector<caffe::Blob<float>*> results = _net->ForwardPrefilled(&loss);*/
int end_ind = _net->layers().size();
std::vector<caffe::Blob<NetF>*> input_vec;
clock_t start = clock();
_net->Forward(input_vec);
clock_t end = clock();
double totaltime;
totaltime = (double)(end - start) / CLOCKS_PER_SEC;
cout << "\n此程序的运行时间为" << totaltime << "秒!" << endl;
boost::shared_ptr<caffe::Blob<NetF>> fc8 = _net->blob_by_name("fc8");
const NetF* pstart = fc8->cpu_data();// ***这里是重点!重点!重点!,在这里耽误了很长时间。注意这里是个指针
//**也就是fc8->cpu_data()返回的通常是多维数据(能够当作是个数组),cout<<* pstart<<endl;这样只是打印出一个
//***数?固然是一个数了,*pstart只表明数组的第一个数,所以想得到全部的数据必须用循环!
std::cout << "It is right !!\n";
//std::cout << m_layer_->width() << std::endl;
//std::cout << pstart << endl;
//std::cout << fc8->cpu_data() << endl;
std::vector<double> V1;
for (int i = 0; i < 2622; i++)//**必须用循环打印
{
std::cout << *pstart << endl;
V1.push_back(*pstart);
pstart++;
}
//std::cout << *pstart << endl;
//std::cout << *(pstart++) << endl;
cout << "\n此程序的运行时间为" << totaltime << "秒!" << endl;
return 0;
}
重点内容已经在注释上标明(前面加了**),但愿这些对你有帮助!
写的比较匆忙,之后若有新的体会,会及时更新!函数