這兩周在跑一個模型，我真的是被折騰的要崩潰了。
最后原因就是數據類型的問題，你說是不是應該管小黑屋啊。
skimage.io.imread得到的是uint8的數據，而caffe.io.load_image得到的是0-1之間的小數。
img=skimage.io.imread(img_path), uint8,0-255
img=caffe.io.load_image(img_path), float,0-1
這個還不是最關鍵的，關鍵是在使用時的實際情況。
caffe里，使用caffe.io.load_image時，需要把值轉換為0-255之間，所以要乘255.
img=skimage.io.imread(img_path),uint8,0-255
img=caffe.io.load_image(img_path)*255,float,0-255
然后最關鍵的平方，在DL中，要減去均值才行是吧，於是
img=skimage.io.imread(img_path)-mean,uint8,0-255
img=caffe.io.load_image(img_path)*255-mean,float,0-255
此時看似沒什么問題。但是第一種方式，減掉均值后，很多地方變成0了。這個在對整圖操作時，可能影響還不大，但是如果你要考慮局部的信息，比如像素點的局部信息，此時你就等着吧，絕對因為大部分是0，什么都沒有了。
而第二種情況，因為是浮點數，減均值后還是有值的，在0附近的小數，於是這個還是比較正常的輸入值，對DL來說，當你定位到局部信息時，還是比較真實的。
於是，我是這么做的，把第一種情況得到的圖像都乘以1.0，然后就看到圖像的像素值變成浮點型了。這樣以來，在減均值時，就好了。
img=(skimage.io.imread(img_path))*1.0,uint8,0-255
img=caffe.io.load_image(img_path)*255,float,0-255
這個問題可是困擾了我N天啊，真是個大坑，掉進去了，希望以后再用python時能夠注意到這個問題。
羅嗦那么多，其實最重要的是均值要是浮點型的，不要四舍五入，其實img轉換根本沒什么用在這里，關鍵還是均值，一定不能是整型數啊。
我真的是繞了個大彎啊，我的天呢。
還有一個坑，如果你讀圖時賦值給img=skimage.io.imread(img_path)
但是，如果你減均值時這么干的，
img -= mean
那么你必須在讀取圖像后趕快把img后面乘上1.0了，轉成浮點型，要不然的話，減掉均值再賦值給img，還是給轉成整型了，於是還是不行啊。
唉，真的是各種坑啊，所以以后還是乖乖用caffe的io吧。