如何将训练好的 Caffe 模型用于当前输入图像？

Question

Caffe 新手。

我正在尝试使用 Caffe 深度学习框架在 MNIST 数据集上使用经过训练的卷积神经网络。

正在关注 official tutorial。

成功采取的步骤：

./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
./examples/mnist/train_lenet.sh

模型已训练并停止并显示以下消息：

I1203 solver.cpp:133] Snapshotting solver state to lenet_iter_10000.solverstate
I1203 solver.cpp:78] Optimization Done.

现在，我不确定如何获取测试图像并使用我认为已按名称 lenet_iter_10000.solverstate 快照的现有训练模型来查看每个 class 的预测分数.

Answer 1

使用caffe的test函数:

<path to caffe root>/caffe test -model <val filename>.prototxt -weights lenet_iter_10000.caffemodel

由于您只想测试一张图像，因此将该图像作为测试数据层的输入。在 <val filename>.protoxt 中也使用 mean_image 作为输入。在这种情况下，测试批量大小为 1。

另请注意，lenet_iter_10000.solverstate 不是您训练的模型。你训练好的模型实际上是lenet_iter_10000.caffemodel。要了解 solverstate 和 caffemodel 文件之间的差异，请参阅 。