Caffe剛剛安裝配置結束,乘熱打鐵!
(一)環境准備
前面我有兩篇文章寫到caffe的搭建,第一篇cpu only ,第二篇是在服務器上搭建的,其中第二篇因為硬件環境更佳我們的步驟稍顯復雜。其實,第二篇也僅僅是caffe的初步搭建完成,還沒有編譯python接口,那麼下面我們一起搞定吧!
首先請讀者再回過頭去看我的《Ubuntu 16.04安裝配置Caffe》( http://www.linuxidc.com/Linux/2016-12/138870.htm )
在這篇博文的結尾,我們再增加編譯Python接口,而這部分內容請參考我的博文《 Ubuntu14.04搭建Caffe(僅cpu) 》http://www.linuxidc.com/Linux/2016-09/135034.htm ,這篇文章從編譯Python接口部分看就好了。
(二)下載模型
作者在github上開源了代碼:Fully Convolutional Networks,我們首先將代碼下載並且解壓到家目錄下。
項目文件結構很清晰,如果想train自己的model,只需要修改一些文件路徑設置即可,這裡我們應用已經train好的model來測試一下自己的圖片:
我們下載voc-fcn32s,voc-fcn16s以及voc-fcn8s的caffemodel(根據提供好的caffemodel-url),fcn-16s和fcn32s都是缺少deploy.prototxt的,我們根據train.prototxt稍加修改即可。注意,這裡的caffemode-url其實在各個模型的文件夾下面都已經提供給我們了,請讀者細心找一找,看看是不是每一個文件夾下面都有一個caffemode-url的文件?打開裡面會有模型的下載地址!
(三)修改infer.py文件
import caffe
之前,加入:1 import sys 2 sys.path.append('caffe根目錄/python')
PYTHONPATH
中:export PYTHONPATH=caffe根目錄/python:$PYTHONPATH
本次我們采用後者。
在解壓代碼的根目錄下找到一個文件:infer.py。略微修改infer.py,就可以測試我們自己的圖片了,請大家根據自己實際情況來進行修改。
im = Image.open('voc-fcn8s/test.jpeg') 這裡指的是測試圖片路徑!
net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST) ,這裡指的是voc-fcn8s文件下的部署文件和模型。注意,fcn下每一個模型其實都對應於一個文件夾,而每個文件夾下應當放著這個模型的caffemodel文件和prototxt文件!
plt.savefig('test.png') ,這裡指的是最終分割的結果應當放置在哪個路徑下,大家都知道,語義分割的結果應當是一張圖片!
修改完後的infer.py如下所示:
1 import numpy as np 2 from PIL import Image 3 import matplotlib.pyplot as plt 4 import caffe 5 6 # load image, switch to BGR, subtract mean, and make dims C x H x W for Caffe 7 im = Image.open('voc-fcn8s/test.jpeg') 8 in_ = np.array(im, dtype=np.float32) 9 in_ = in_[:,:,::-1] 10 in_ -= np.array((104.00698793,116.66876762,122.67891434)) 11 in_ = in_.transpose((2,0,1)) 12 13 # load net 14 net = caffe.Net('voc-fcn8s/deploy.prototxt', 'voc-fcn8s/fcn8s-heavy-pascal.caffemodel', caffe.TEST) 15 # shape for input (data blob is N x C x H x W), set data 16 net.blobs['data'].reshape(1, *in_.shape) 17 net.blobs['data'].data[...] = in_ 18 # run net and take argmax for prediction 19 net.forward() 20 out = net.blobs['score'].data[0].argmax(axis=0) 21 22 plt.imshow(out,cmap='gray'); 23 plt.axis('off') 24 plt.savefig('test.png') 25 #plt.show()
運行結束後會在軟件的根目錄下生成一個分割好的圖片test.png!
我們可以看一下原始圖片和最後生成的圖片的區別:
可能會遇到的問題:
(1)no display name and no $DISPLAY environment variable
其實,在Ubuntu虛擬終端裡執行python infer.py是沒有任何錯誤的,但是我是通過遠程訪問連接服務器的方式運行程序的。所以在執行到最後的時候會報這個錯。不過不要害怕,
在stackoverflow中找到了終極解決辦法:
如圖中所示的步驟,找到matplotlibrc,將backend從tkAGG修改為AGG。
sudo gedit /home/xuanxufeng/.local/lib/python2.7/site-packages/matplotlib/mpl-data/matplotlibrc
再次在putty中執行就沒有任何問題了!
(2)在執行python infer.py時可能會提示缺少某一兩個模塊。
這個不用擔心,都是小問題,百度很容易搜到,一兩個命令安裝就好了~
(四) 結束語
從開始讀論文到現在,也算是前進了一小步,可以看見的一小步。在往後,隨著實驗的一步步進行,我還會再更新模型的訓練以及訓練數據集的制作!請各位看官耐心等待!
Caffe 深度學習入門教程 http://www.linuxidc.com/Linux/2016-11/136774.htm
Ubuntu 16.04 安裝配置Caffe 圖文詳解 http://www.linuxidc.com/Linux/2016-12/138870.htm
Ubuntu 16.04下Matlab2014a+Anaconda2+OpenCV3.1+Caffe安裝 http://www.linuxidc.com/Linux/2016-07/132860.htm
Ubuntu 16.04系統下CUDA7.5配置Caffe教程 http://www.linuxidc.com/Linux/2016-07/132859.htm
Caffe在Ubuntu 14.04 64bit 下的安裝 http://www.linuxidc.com/Linux/2015-07/120449.htm
深度學習框架Caffe在Ubuntu下編譯安裝 http://www.linuxidc.com/Linux/2016-07/133225.htm
Caffe + Ubuntu 14.04 64bit + CUDA 6.5 配置說明 http://www.linuxidc.com/Linux/2015-04/116444.htm
Ubuntu 16.04上安裝Caffe http://www.linuxidc.com/Linux/2016-08/134585.htm
Caffe配置簡明教程 ( Ubuntu 14.04 / CUDA 7.5 / cuDNN 5.1 / OpenCV 3.1 ) http://www.linuxidc.com/Linux/2016-09/135016.htm
Ubuntu 16.04上安裝Caffe(CPU only) http://www.linuxidc.com/Linux/2016-09/135034.htm