代码我看着太习惯所前自稍微写简易版本知道传附件懒直接代码贴
先简单解释何使用代码复制文件放examples面自创建文件夹面写main函数调用类比：
复制保存caffe/examples/myproject/net_operator.hpp同目录写main.cppmain函数面#include "net_operator.hpp"使用类：
const string net_prototxt = "..."// 网络prototxt文件用绝路径面同理
const string pre_trained_file = "..."// 训练.caffemodel文件
const string img_path = "..."// 要测试图片路径
// 创建NetOperator象
NetOperator net_operator(net_prototxt, pre_trained_file)
Blob *blob = net_operator.processImage(img_path)
// blob层输结至于blob面存放数据需要看看官网定义
写完main.cppcaffe目录make编译写文件应执行文件比按我面写makecaffe/build/examples/myproject文件夹面main.bin执行文件执行文件并直接代码目录所前面我建议写路径用绝路径
另外要获取层输需要修改processImage函数返值通NetOperator员变量net_获取需要blob比blob名称"label"想获取blob通net_->blob_by_name("label")获取获取shared_ptr<Blob >类型搜boost shared_ptr知道跟普通指针同
接贴代码：
#include caffe.hpp>
#include core/core.hpp>
#include highgui/highgui.hpp>
#include imgproc/imgproc.hpp>
#include
#include
#include
#include
#include
using namespace caffe// NOLINT(build/namespaces)
using std::string
class NetOperator
{
public:
NetOperator(const string&net_prototxt)
NetOperator(const string&net_prototxt, const string&trained_file)
~NetOperator() { }
int batch_size() { return batch_size_}
Blob* processImage(const string &img_path, bool is_color = true)
Blob* processImages(const vector &img_paths, bool is_color = true)
private:
void createNet(const string&net_prototxt)
// read the image and store it in the idx position of images in the blob
void readImageToBlob(const string &img_path, int idx = 0, bool is_color = true)
shared_ptr<Net >net_
cv::Size input_geometry_
int batch_size_
int num_channels_
Blob* input_blob_
TransformationParameter transform_param_
shared_ptr<DataTransformer >data_transformer_
Blob transformed_data_
}
NetOperator::NetOperator(const string&net_prototxt) {
createNet(net_prototxt)
}
NetOperator::NetOperator(const string&net_prototxt, const string&trained_file) {
createNet(net_prototxt)
net_->CopyTrainedLayersFrom(trained_file)
}
void NetOperator::createNet(const string&net_prototxt) {
#ifdef CPU_ONLY
Caffe::set_mode(Caffe::CPU)
#else
Caffe::set_mode(Caffe::GPU)
#endif
net_.reset(new Net(net_prototxt, TEST))
CHECK_EQ(net_->num_inputs(), 1) <<"Network should have exactly one input."
CHECK_EQ(net_->num_outputs(), 1) <<"Network should have exactly one output."
Blob* input_layer = net_->input_blobs()[0]
batch_size_ = input_layer->num()
num_channels_ = input_layer->channels()
CHECK(num_channels_ == 3 || num_channels_ == 1)
<<"Input layer should have 1 or 3 channels."
input_geometry_ = cv::Size(input_layer->width(), input_layer->height())
// reshape the output shape of the DataTransformer
vector top_shape(4)
top_shape[0] = 1
top_shape[1] = num_channels_
top_shape[2] = input_geometry_.height
top_shape[3] = input_geometry_.width
this->transformed_data_.Reshape(top_shape)
}
Blob* NetOperator::processImage(const string &img_path, bool is_color) {
// reshape the net for the input
input_blob_ = net_->input_blobs()[0]
input_blob_->Reshape(1, num_channels_,
input_geometry_.height, input_geometry_.width)
net_->Reshape()
readImageToBlob(img_path, 0, is_color)
net_->ForwardPrefilled()
return net_->output_blobs()[0]
}
Blob* NetOperator::processImages(const vector &img_paths, bool is_color) {
int img_num = img_paths.size()
// reshape the net for the input
input_blob_ = net_->input_blobs()[0]
input_blob_->Reshape(img_num, num_channels_,
input_geometry_.height, input_geometry_.width)
net_->Reshape()
for (int i=0i<img_numi++) {
readImageToBlob(img_paths[i], i, is_color)
}
net_->ForwardPrefilled()
return net_->output_blobs()[0]
}
void NetOperator::readImageToBlob(const string &img_path, int idx, bool is_color) {
// read the image and resize to the target size
cv::Mat img
int cv_read_flag = (is_color ? CV_LOAD_IMAGE_COLOR :
CV_LOAD_IMAGE_GRAYSCALE)
cv::Mat cv_img_origin = cv::imread(img_path, cv_read_flag)
if (!cv_img_origin.data) {
LOG(ERROR) <<"Could not open or find file " <<img_path
return
}
if (input_geometry_.height >0 &&input_geometry_.width >0) {
cv::resize(cv_img_origin, img, input_geometry_)
} else {
img = cv_img_origin
}
// transform the image to a blob using DataTransformer
// create a DataTransformer using default TransformationParameter (no transformation)
data_transformer_.reset(
new DataTransformer(transform_param_, TEST))
data_transformer_->InitRand()
// set the output of DataTransformer to the idx image of the input blob
int offset = input_blob_->offset(idx)
this->transformed_data_.set_cpu_data(input_blob_->mutable_cpu_data() + offset)
// transform the input image
data_transformer_->Transform(img, &(this->transformed_data_))
}
Windows 8.1下Caffe环境搭建一、环境准备
1.Windows 8.1系统
2.Visual Studio 2013 Ultimate
Visual studio 2013 Ultimate下载地址：
二、Visual Studio 2013 Ultimate安装教程（安装+注册）
等待下载完成之后，虽然下载文件是ios格式，但我们可以用解压缩工具解压打开。解压好后，双击vs_ultimate.exe，开始安装。新旧版本VS是可以共存的，但是在安装过程中，旧版本的VS一定要先关闭。
自定义选择安装路径时，注意所属路径的预留空间要充足，否则安装会失败，同意许可条款，进行下一步。
在选择安装的可选功能这里，大家可以根据自己需要勾选，也可以默认全选。把鼠标放在文字上，会d出各个功能详细描述。选择常用的功能，另外要注意预留空间，开始安装。
等待大概30分钟，就可以完成安装。安装过程中，VS会占用很多的系统资源，所以最好不要开启其他软件，等待安装。
第一次打开VS2013，需要进行一些基本配置，如开发设置、颜色主题，根据自己的需求设置，然后等待几分钟就可以使用。由于VS2013引入了一种联网 IDE 体验，大家可以使用微软的账户登录，而且其还自动采用联网 IDE 体验的设备上同步设置，包括快捷键、Visual Studio 外观（主题、字体等）各种类别同步的设置。
最后要给VS注册一下，不然软件是有30天的试用期。打开VS2013，在工具栏中找到帮助选项卡，点击注册产品，会d出一个对话框，里面会显示软件的注册状态。
点击更改我的产品许可证，会d出一个对话框，要求输入产品密钥。此时，需要一个产品密钥，提供一个可用的密钥：VS2013_RTM_ULT_CHS KEY： BWG7X-J98B3-W34RT-33B3R-JVYW
若密钥失效，大家要自己到网上去搜索了。注册成功后，所有的 *** 作算是基本完成，可以正常使用。
三、下载Microsoft/Caffe源码
四、编译Caffe源码
1. 解压源码（我安装于D盘，根据个人习惯安装于哪个盘，不提倡安装于C盘）
2.进入目录 D:\caffe-master\windows
将文件“CommonSettings.props.exemple”复制一下，粘贴，并重命名为“CommonSetting.props”
在进行此 *** 作的时候，有人也许会遇到这样的问题，文件的后缀名怎么修改呢？
提示：如何修改文件的后缀名（W8.1系统）
1） 在win8.1中，双击界面中的“这台电脑”，打开资源管理器。点击导航栏中的“查看”选项，勾选“文件扩展名”复选框按钮。
2） 此时文件的后面就会出现文件后缀名或文件扩展名了。
3） 右键单击需要修改扩展名的文件，然后在列表中选择“重命名”选项。
4） 然后输入新的扩展名，鼠标点击桌面空白处。在d出的窗口中点击“是”按钮即可。
3. 打开文件“CommonSetting.props”，加粗字体为修改后的内容，修改位置应该在用写字板方式打开之后，文件的第9-10行，修改内容如下：
<CpuOnlyBuild>true</CpuOnlyBuild>
<UseCuDNN>false</UseCuDNN>
4. 双击D:\caffe-master\windows\目录下"caffe.sln”,自动打开安装好的VS2013。
5. 单击 VS2013”生成"菜单，单击"重新生成解决方案"。
开始了漫长时间的编译过程，请耐心等待，微软会自动帮我们生成全部的依赖包。依赖包全部在文件夹D:\NugetPackages中。
五、编译中可能出现的问题
error C2220: 警告被视为错误- 没有生成"libcaffe.lib"
编译过程中出现警告，编译器将警告视为错误。
解决方法：
1单击"项目"--"libcafee属性","将警告是为错误"改为否。
2修改后，单击“生成”--“清除解决方案”，然后单击“生成”--“生成解决方案”。
观察caffe-master的第三方程序包，这个与caffe-master本文件夹都需要加上去的。所以在属性表里，先后需要include以下这些：（路径请自行修改）D:\caffe-master\include
D:\NugetPackages\boost.1.59.0.0\lib\native\include
D:\NugetPackages\glog.0.3.3.0\build\native\include
D:\NugetPackages\gflags.2.1.2.1\build\native\include
D:\NugetPackages\protobuf-v120.2.6.1\build\native\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v7.5\include
D:\NugetPackages\OpenBLAS.0.2.14.1\lib\native\include
D:\caffe-master\include\caffe\layers
D:\NugetPackages\OpenCV.2.4.10\build\native\include
D:\NugetPackages\OpenCV.2.4.10\build\native\include\opencv
D:\NugetPackages\OpenCV.2.4.10\build\native\include\opencv2
最后一项是CUDA的配置路径，找一下应该就可以找到。
那么我们的附加依赖项需要添加：
libcaffe.lib
libprotobuf.lib
opencv_highgui2410.lib
opencv_core2410.lib
opencv_imgproc2410.lib
libglog.lib
gflags.lib
libopenblas.dll.a
hdf5.lib
hdf5_hl.lib
cublas.lib
cublas_device.lib
cuda.lib
cudadevrt.lib
cudnn.lib
cudart.lib
cufft.lib
cudart_static.lib
cufftw.lib
cusparse.lib
cusolver.lib
curand.lib
nppc.lib
OpenCL.lib
对了，最后别忘了配置环境变量哟，配置完之后重启一遍：
D:\NugetPackages\gflags.2.1.2.1\build\native\x64\v120\dynamic\Lib
D:\NugetPackages\hdf5-v120-complete.1.8.15.2\lib\native\bin\x64
D:\NugetPackages\glog.0.3.3.0\build\native\bin\x64\v120\Release\dynamic
D:\NugetPackages\OpenBLAS.0.2.14.1\lib\native\bin\x64
D:\NugetPackages\gflags.2.1.2.1\build\native\x64\v120\dynamic\Lib
D:\NugetPackages\OpenCV.2.4.10\build\native\bin\x64\v120\Release
D:\caffe-master\Build\x64\Release
那么在做完这些之后，我们就可以在新建工程里使用Caffe的接口了
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）