当训练好一个model之后,我们通常会根据这个model最终的loss和在验证集上的accuracy来判断它的好坏。但是,对于分类问题,我们如果只是知道整体的分类正确率 显然还不够,所以只有知道模型对于每一类的分类结果以及正确率这样才能更好的理解这个模型。 下面就是一个用训练好的模型,来对测试集进行测试,并输出每个样本的分类结果的实现。 代码如下: coding utf import os imp ...
2016-09-02 18:38 34 22402 推荐指数:
因为毕设需要,我首先是用ffmpeg抽取某个宠物视频的关键帧,然后用caffe对这个关键帧中的物体进行分类。 1.抽取关键帧的命令: 2.用python编写脚本,利用在imagenet上训练的模型分类视频帧中的物体。 抽取得到的视频关键帧都存放在文件夹"/home ...
经过前面两篇博文的学习,我们已经训练好了一个caffemodel模型,并生成了一个deploy.prototxt文件,现在我们就利用这两个文件来对一个新的图片进行分类预测。 我们从mnist数据集的test集中随便找一张图片,用来进行实验。 最后输出 the class ...
分离训练集测试集 from sklearn.model_selection import train_test_split eg: X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33 ...
1、caffemodel文件 文件名称为:bvlc_reference_caffenet.caffemodel,文件大小为230M左右,为了代码的统一,将这个caffemodel文件下载到caffe根目录下的 models/bvlc_reference_caffenet/ 文件夹下面。可以运行 ...
一、简单介绍 vgg和googlenet是2014年imagenet竞赛的双雄,这两类模型结构有一个共同特点是go deeper。跟googlenet不同的是。vgg继承了lenet以及alexnet的一些框架。尤其是跟alexnet框架很像。vgg也是5个group的卷积、2层fc图像 ...
如果不进行可视化,只想得到一个最终的训练model, 那么代码非常简单,如下 : ...