Я пытаюсь использовать Caffe C++ classification пример (вот code), чтобы классифицировать изображение с помощью рукописной цифры (я тренирую свою модель в базе данных MNIST), но она всегда возвращает вероятности, такие какCaffe classifocation.cpp всегда возвращает 100% вероятность
[0, 0, 0, 1.000, 0, 0, 0, 0, 0] (1.000 can be on different position)
даже если изображение не имеет на нем номера. Я думаю, что это должно быть что-то вроде
[0.01, 0.043, ... 0.9834, ... ]
Также, например, для «9» он всегда предсказывает неправильное число.
только одна вещь, которую я могу изменить в classification.cpp, что я всегда с помощью CPU
//#ifdef CPU_ONLY
Caffe::set_mode(Caffe::CPU); // <----- always CPU
//#else
// Caffe::set_mode(Caffe::GPU);
//#endif
Это как мой deploy.prototxt выглядит
name: "LeNet"
layer {
name: "data"
type: "ImageData"
top: "data"
top: "label"
image_data_param {
source: "D:\\caffe-windows\\examples\\mnist\\test\\file_list.txt"
}
}
layer {
name: "conv1"
type: "Convolution"
bottom: "data"
top: "conv1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 20
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "pool1"
type: "Pooling"
bottom: "conv1"
top: "pool1"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
layer {
name: "conv2"
type: "Convolution"
bottom: "pool1"
top: "conv2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
convolution_param {
num_output: 50
kernel_size: 5
stride: 1
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "pool2"
type: "Pooling"
bottom: "conv2"
top: "pool2"
pooling_param {
pool: MAX
kernel_size: 2
stride: 2
}
}
layer {
name: "ip1"
type: "InnerProduct"
bottom: "pool2"
top: "ip1"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 500
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "relu1"
type: "ReLU"
bottom: "ip1"
top: "ip1"
}
layer {
name: "ip2"
type: "InnerProduct"
bottom: "ip1"
top: "ip2"
param {
lr_mult: 1
}
param {
lr_mult: 2
}
inner_product_param {
num_output: 10
weight_filler {
type: "xavier"
}
bias_filler {
type: "constant"
}
}
}
layer {
name: "loss"
type: "Softmax"
bottom: "ip2"
top: "loss"
}
file_list.txt является
D:\caffe-windows\examples\mnist\test\test1.jpg 0
И tests1.jpg что-то вроде этого
(черный & белый 28 * 28 изображение, сохраненное в краске, я пробовал разные размеры, но это не имеет значения, Preprocces() изменяет его в любом случае)
Для обучения сети я использую this учебник, здесь is prototxt
Так почему же он прогнозирует неправильные цифры и всегда со 100% -ной вероятностью?
(я использую Windows 7, VS13)
спасибо большое, он решил проблему –