[caffe(二)]Python加載訓練caffe模型並進行測試1

#coding=utf-8

import caffe
import numpy as np
import struct
import matplotlib.pyplot as plt

#讀取mnist數據集
filename = 'train-images.idx3-ubyte'
binfile = open(filename, 'rb')
buf = binfile.read()

#提取第1張圖片進行測試
index = 0   #0代表第一張圖，784*(n-1)代表第n張圖片
magic, numImages, numRows, numColumns = struct.unpack_from('>IIII', buf, index)
index += struct.calcsize('>IIII')
im = struct.unpack_from('>784B', buf, index)
index += struct.calcsize('>784B')

#模型和部署文件的加載
deploy='lenet_deploy.prototxt'    #deploy文件
caffe_model= 'lenet_iter_10000.caffemodel'   #訓練好的 caffemodel

#將向量展開為28*28的圖片
im = np.array(im)
im = im.reshape(28, 28)

#顯示圖片
fig = plt.figure()
plotwindow = fig.add_subplot(111)
plt.imshow(im, cmap='gray')
plt.show()

#將圖片reshape為神經網絡的輸入
im = im.reshape(28, 28,1)
im=im.astype(np.float32)   #數據轉換
print "The shape of im:", im.shape

gender_net = caffe.Classifier(deploy, caffe_model)
output =gender_net.predict([im],oversample = False)
caffe.set_mode_cpu()
print 'predicted class:',output[0].argmax()