python测试结果与caffe测试结果不一样

问题描述：

我的问题是关于caffe测试结果。 Python脚本结果不等于caffe测试结果。我使用Alexnet，测试准确度为0,9033。python测试结果与caffe测试结果不一样

来自Caffe测试精度：0.9033

Python的精度： 0.8785

我用40000倍的图像来进行测试。错误分类图像的数量应该是3868.但是，我的python结果中错误分类图像的数量是4859.问题是什么？

谢谢。

这里是我的朱古力测试命令：

…/build/tools/caffe test --model …/my_deploy.prototxt --weights …/alex_24_11__iter_200000.caffemodel -gpu 0 -iterations 800

在那之后，我发现并尝试Python脚本与我的测试数据，但我没有得到同样的结果。我以前在另一个数据集上使用过这个脚本，而且我的咖啡测试的准确性也一样，但是在训练和测试过程中，我都没有使用均值文件。但现在我用平均文件来训练和测试。可能在平均文件中存在问题，但我使用了从教程中找到的所有内容。

我创建了lmdb。

我使用compute_image_mean从lmdb创建平均文件。 lmdb中的图像的大小为256x256。

我在alexnet中使用了227x227图像。

Python脚本：

caffe.set_mode_gpu() 

model_def = '…/my_deploy.prototxt' 

model_weights = '… /alex_24_11__iter_200000.caffemodel' 

net = caffe.Net(model_def, model_weights, caffe.TEST) 

blob = caffe.proto.caffe_pb2.BlobProto() 

data = open('.../image_mean.binaryproto' , 'rb').read() 

blob.ParseFromString(data) 

arr = np.array(caffe.io.blobproto_to_array(blob)) 

out = arr[0] 

np.save('.../imageMean.npy' , out) 

mu = np.load('…/imageMean.npy') 

mu = mu.mean(1).mean(1) 

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape}) 

transformer.set_transpose('data', (2,0,1)) 

transformer.set_mean('data', mu)   

transformer.set_raw_scale('data', 255) 

transformer.set_channel_swap('data', (2,1,0)) 

net.blobs['data'].reshape(1, 3, 227, 227) 


f = open('…/val.txt', 'r') 

f2 = open('…/result.txt', 'a') 

for x in range(0,40000): 

    a=f.readline() 

    a=a.split(' ') 

    image = caffe.io.load_image('… /'+a[0]) 

    transformed_image = transformer.preprocess('data', image) 

    net.blobs['data'].data[...] = transformed_image 

    output = net.forward() 

    output_prob = output['prob'][0] 

    f2.write(str(a[0])) 

    f2.write(str(' ')) 

    f2.write(str(output_prob.argmax())) 

    f2.write('\n')

首先我deploy.prototxt

layer { 
    name: "input" 
    type: "Input" 
    top: "data" 
    input_param { shape: { dim: 1 dim: 3 dim: 227 dim: 227 } } 
}

我deploy.prototxt的最后一层的层

layer { 
    name: "prob" 
    type: "Softmax" 
    bottom: "fc8-16" 
    top: "prob" 
}

其他图层等于train_val.prototxt。

答

检查您的预处理在创建LMDB和处理测试数据时是否相同。

例如，如果你使用：

transformer.set_channel_swap('data', (2,1,0))

你应该确保你的LMDB还交换这些渠道（我想这是一个RGB到BGR转换）。

特别是，你说你在训练期间使用了平均值图片。但是，在您的Transformer中，您正在计算并减去平均值像素。这可以解释你的两个精确度之间的小差异。

python测试结果与caffe测试结果不一样

相关推荐