清丰网站建设公司,研究网站平台建设工作动态,中小企业网络工程建设,百度爱采购卖家版app下载前言
今天看到群里有人问”用matlab输出测试集的精度“#xff0c;瞎试了一下#xff0c;好像还成功了。主要还是依据前面所有在matlab中操作caffe的博客。
这里说一下#xff1a;classification.m是适用单张图片的精度#xff0c;类似于classification.exe的功能#x…前言
今天看到群里有人问”用matlab输出测试集的精度“瞎试了一下好像还成功了。主要还是依据前面所有在matlab中操作caffe的博客。
这里说一下classification.m是适用单张图片的精度类似于classification.exe的功能这里要做的是在matlab中实现caffe.exe test的功能也就是批量输出精度
分析
根据caffe.exe test和classification.m的流程很容易想到直接把训练时候所用的prototxt丢进去对比classification.m中调用caffe.Net(model,wights,test)的思路试试当model为train_test.prototxt而非deploy.prototxt的效果。然后按照前面caffe在matlab中训练的方法进行一次前向计算当然此前向计算需要数据已经载入网络中而非像classification一样挨个输入。z最后按照前面可视化权重的博客提取最后一层的accuracy就行了。
流程
将数据集也就是一堆图片利用convert的那个exe转换为lmdb格式在prototxt中更改测试部分的输入为你所转换的lmdb路径细节调整比如你有没有均值文件加入到prototxt中加载模型命令caffe.Net前向计算forward_prefilled命令利用blob取最后一层accuracy的值
代码书写
数据集转换
以mnist为例测试集的lmdb文件在前面已经制作出来了如果是你自己的图片可以看前面转换数据集的博客。
模型结构
直接使用原始的lenet_train_test.prototxt,测试集部分内容为你自己的转换数据集
layer {name: mnisttype: Datatop: datatop: labelinclude {phase: TEST}transform_param {scale: 0.00390625}data_param {source: mnist_test_leveldbbatch_size: 100backend: LEVELDB}
}
其中有一个参数batch_size表示一次性测试多少数据量的准确率, 由于mnist测试集共有一万张图片, 所以测试次数为1000/100100, 使用批处理方式测试
..\..\Build\x64\Release\caffe.exe test -modellenet_train_test.prototxt -weightslenet_iter_10000.caffemodel -iterations100
pause
写代码
clear
clc
close allif exist(../../caffe, dir)addpath(../..);
elseerror(Please run this demo from caffe/matlab/demo);
end
caffe.reset_all
% Set caffe mode
if exist(use_gpu, var) use_gpucaffe.set_mode_gpu();gpu_id 0; % we will use the first gpu in this democaffe.set_device(gpu_id);
elsecaffe.set_mode_cpu();
end% model_dir ../mnist_data/;
% net_model [model_dir lenet.prototxt];
model_dir ./;
net_model [model_dir lenet_train_test.prototxt];
net_weights [model_dir lenet_iter_10000.caffemodel];if ~exist(net_weights, file)error(Please download CaffeNet from Model Zoo before you run this demo);
end% Initialize a network
net caffe.Net(net_model, net_weights, test);
acc[];
for i1:100net.forward_prefilledacc[acc; net.blobs(accuracy).get_data()];
end
acc
看看使用caffe.exe test的命令和我们的输出acc的结果对应与否 应该是对应的吧手动滑稽。
【注】记得刚才说的batchsize吧看代码倒数第三行有一个for循环这里写的100意思就是图片总数除以batchsize得到的结果就是这个for循环的上限。
源代码各种文件打包放送
http://download.csdn.net/download/zb1165048017/9994062
直接运行里面的caffe_test.m即可注意自己caffe的matlab接口一定要配置好。
