python调用caffe，执行前向预测

1.搭建环境

编译caffe成功之后，编译python接口：

make pycaffe

同理，编译MATLAB接口：

make matcaffe

 

2. 代码

这是最简单的前向测试的代码。由于执行的是stereo math的model，所以输入是两张图片

 

# -*- coding: utf-8 -*-

import caffe

caffe.set_mode_gpu() #如果不加这条，默认是cpu模式

net = caffe.Net('deploy.prototxt','1.caffemodel',caffe.TEST) #caffe.TEST 设定为测试模式

# 设定图片的shape格式为网络data层格式，img0,img1为输入layer的top
transformer1 = caffe.io.Transformer({'Image1': net.blobs['img0'].data.shape})
transformer2 = caffe.io.Transformer({'Image2': net.blobs['img1'].data.shape})

# 改变维度的顺序，由原始的维度（width,height,channel)变成(channel,width,height)
transformer1.set_transpose('Image1', (2,0,1))
transformer2.set_transpose('Image2', (2,0,1))

# 交换通道，将图片由RGB变成BGR
transformer1.set_channel_swap('Image1', (2,1,0))
transformer2.set_channel_swap('Image2', (2,1,0))

# 加载图片
image1 = caffe.io.load_image('data/0000000-imgL.ppm')
image2 = caffe.io.load_image('data/0000000-imgR.ppm')

# 执行上面设置的图片预处理操作，并将图片载入到blob中
net.blobs['img0'].data[...] = transformer1.preprocess('Image1',image1)
net.blobs['img1'].data[...] = transformer2.preprocess('Image2',image2)

# 执行测试
out = net.forward()

还有proto.txt的input layer应该是类似这样子

layer {
  name: "Image1"
  type: "Input"
  top: "img0"
  input_param { shape: { dim: 1 dim: 3 dim: 540 dim: 960 } }
}

layer {
  name: "Image2"
  type: "Input"
  top: "img1"
  input_param { shape: { dim: 1 dim: 3 dim: 540 dim: 960 } }
}

 

 

参考链接：

http://caffe.berkeleyvision.org/tutorial/interfaces.html；

http://wentaoma.com/2016/08/10/caffe-python-common-api-reference/