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()