Мой вопрос о результатах теста caffe. Результат скрипта Python не равен результату теста caffe. Я использовал Alexnet, и моя точность теста составляет 0,9033.
Точность теста Caffe: 0,9033.
Точность Python: 0,8785
Я использовал 40000 изображений для тестирования. Количество неправильно классифицированных изображений должно быть 3868. Но количество ошибочно классифицированных изображений в моем результате python равно 4859. В чем проблема?
Спасибо.
Вот моя тестовая команда для кофе:
…/build/tools/caffe test --model …/my_deploy.prototxt --weights …/alex_24_11__iter_200000.caffemodel -gpu 0 -iterations 800
После этого я нашел и попробовал скрипт Python с моими тестовыми данными, но не получил такого же результата. Я использовал этот скрипт на другом наборе данных раньше, и я получил ту же точность с моим тестом кофе, но я не использовал средний файл ни во время обучения, ни во время теста. Но теперь я использовал средний файл как для обучения, так и для тестирования. Может быть проблема в среднем файле, но я использовал все, что нашел из руководств.
- Я создал lmdb.
- Я использовал Compute_image_mean для создания среднего файла из lmdb. Размер изображений в lmdb 256x256.
- Я использовал изображения 227x227 в alexnet.
Сценарий Python:
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')
Первый слой моего deploy.prototxt
layer {
name: "input"
type: "Input"
top: "data"
input_param { shape: { dim: 1 dim: 3 dim: 227 dim: 227 } }
}
Последний слой моего deploy.prototxt
layer {
name: "prob"
type: "Softmax"
bottom: "fc8-16"
top: "prob"
}
Остальные слои равны train_val.prototxt.