标签：数据 png pytho nump als lin ast 生成 cat
搭建环境参考
http://blog.csdn.net/ubunfans/article/details/47724341
这个教程基本是正确的。
补充一点就是
make all -j4
之后，在build/bin/下面会生成很多*.bin文件，就证明编译成功。
下面是运行mnist，执行到create_mnist.sh这一步的时候遇见了一个问题
./create_mnist.sh: 17: ./create_mnist.sh: build/examples/mnist/convert_mnist_data.bin: not found
这个要变换目录才可以
注意：新版caffe都需要从根目录上执行，不然可能会遇到这个错误
ubuntu@ubuntu-PC:~/work/caffe-master$ cp examples/mnist/create_mnist.sh ./
ubuntu@ubuntu-PC:~/work/caffe-master$ ./create_mnist.sh
看看官方给的教程
cd $CAFFE_ROOT ./data/mnist/get_mnist.sh ./examples/mnist/create_mnist.sh
直接根据官方的教程来配置算了
http://caffe.berkeleyvision.org/gathered/examples/mnist.html
结尾也就是官方自己的数据测试完，得到一个99%的准确度，然后就完了(很多博客也是这样就结束了)，就大功告成！#$%%%%*& what the fu*k!!!!
不用自己那点数据来测一下吗??
那好吧，我来续命....
可以用python,也可以用c++自己调用classification.bin
如果不动用法，直接
./build/examples/cpp_classification/classification.bin
会提示你使用方法的
python:
import os import sys import numpy as np import matplotlib.pyplot as plt caffe_root = ‘/home/vr/Documents/Caffe/setup/caffe-master/‘ sys.path.insert(0, caffe_root + ‘python‘) import caffe MODEL_FILE = ‘/home/vr/Documents/Caffe/setup/caffe-master/examples/mnist/lenet.prototxt‘ PRETRAINED = ‘/home/vr/Documents/Caffe/setup/caffe-master/examples/mnist/lenet_iter_10000.caffemodel‘ IMAGE_FILE = ‘/home/vr/Documents/Caffe/setup/caffe-master/examples/mnist/test/0012.jpg‘ input_image=caffe.io.load_image(IMAGE_FILE,color=False) #print input_image net = caffe.Classifier(MODEL_FILE, PRETRAINED) prediction=net.predict([input_image]) caffe.set_mode_cpu() print ‘predicted class:‘, prediction[0].argmax()
.sh脚本调用
./build/examples/cpp_classification/classification.bin examples/mnist/classificat_net.prototxt examples/mnist/lenet_iter_10000.caffemodel examples/mnist/mean.binaryproto examples/mnist/label.txt examples/mnist/0.png
什么？？？参数太多？
可以，直接改classification.cpp文件
重新编译classification.bin
遇到新问题了，执行classification.bin的时候找不到库！so库！
（未完，待续）
标签：数据 png pytho nump als lin ast 生成 cat
原文地址：http://www.cnblogs.com/baldermurphy/p/6528077.html
