進口？matplotlib.pyplot？作為？plt
進口？scipy
咖啡_根？=?/home/hduser/Project/caffe/'
進口？[計]系統復制命令（system的簡寫）
sys.path.insert(0，caffe_root？+?python/')
進口？咖啡
plt.rcParams['figure.figsize']？=?(10,?10)
PLT . RC params[' image . interpolation ']？=?最近的
plt.rcParams['image.cmap']？=?“灰色”
網？=?咖啡。分類器(caffe_root？+?' models/bvlc _ reference _ caffenet/deploy . proto txt '，
咖啡_根？+?models/bvlc _ reference _ caffe net/bvlc _ reference _ caffe net . caffe model’)
net.set_phase_test()
net.set_mode_cpu()
net.set_mean('data '，？np.load(caffe_root？+?python/caffe/imagenet/ils vrc _ 2012 _ mean . npy '))
net.set_raw_scale('data '，？255)
net.set_channel_swap('data '，？(2,1,?0))
#在？事實呢？妳呢。可以嗎？輸入？答？列表？的？圖像。
分數？=?net . predict([caffe . io . load _ image(caffe _ root？+?" examples/Yilin/data/building . jpg ")，？caffe.io.load_image(caffe_root？+?" examples/Yilin/data/thumb . jpg ")])
輸出？=?打開(" feature.txt "，“w”)
#打印？分數[0]。argmax()
#打印？[(k，？v.data.shape)？為了什麽？k，？v？在？net.blobs.items()]
#the？fc6？是嗎？那個？fc6？層？特色，？數據[4]？意味著什麽？那個？五個？作物？圖像？因為？每個？形象？威爾。是嗎？作物？去哪？10?子圖像。
#壯舉？=?net.blobs['fc6']。數據[4]
壯舉？=?net.blobs['prob']。數據[4]
平面圖
plt.show()
feat2？=?net.blobs['fc6']。數據[14]
plt.plot(特征2 .平面)
plt.show()