我正努力在训练有素的MNIST caffe2教程模型的C++结果中进行复制。我所做的是我已经稍微修改了MNIST python教程(代码可用here),并且在python方面一切正常。Caffe2:如何在C++中加载和使用MNIST教程模型
如果我运行mnist.py,我会得到两个带网络定义和初始化的“.pb”文件。如果我上加载Python端这个网,从DB一些图像养活它,然后我会得到正确的预测:
timg = np.fromfile('test_img.dat', dtype=np.uint8).reshape([28,28])
workspace.FeedBlob('data', (timg/256.).reshape([1,1,28,28]).astype(np.float32))
workspace.RunNet(net_def.name)
workspace.FetchBlob('softmax')
array([[ 1.23242417e-05, 6.76146897e-07, 9.01260137e-06,
1.60285403e-04, 9.54966026e-07, 6.82772861e-06,
2.20508967e-09, 9.99059498e-01, 2.71651220e-06,
7.47664250e-04]], dtype=float32)
所以这是很肯定的测试图像是“7”(这是正确的)。
但我无法从C++获得相同的结果。我已经看到了它是如何在其他项目(here和here)完成,都拿出了以下内容:
C++净初始化
QByteArray img_bytes; // where the raw image bytes are kept (size 28x28)
caffe2::NetDef init_net, predict_net;
caffe2::TensorCPU input;
// predictor and it's input/output vectors
std::unique_ptr<caffe2::Predictor> predictor;
caffe2::Predictor::TensorVector input_vec;
caffe2::Predictor::TensorVector output_vec;
...
QFile f("mnist_init_net.pb");
...
auto barr = f.readAll();
if (! init_net.ParseFromArray(barr.data(), barr.size())) {
...
f.setFileName("mnist_predict_net.pb");
...
barr = f.readAll();
if (! predict_net.ParseFromArray(barr.data(), barr.size())) {
...
predictor.reset(new caffe2::Predictor(init_net, predict_net));
input.Resize(std::vector<int>{{1, 1, IMG_H, IMG_W}});
input_vec.resize(1, &input);
这个初始化运行没有问题。由于部署的网络不具备缩放和铸造漂浮我必须这样做(同上述蟒蛇片段),我做如下:
float* data = input.mutable_data<float>();
for (int i = 0; i < img_bytes.size(); ++i)
*data++ = float(img_bytes[i])/256.f;
最后我喂预测:
if (! predictor->run(input_vec, &output_vec) || output_vec.size() < 1
|| output_vec[0]->size() != 10)
...
我在同一个文件中得到的结果是'7'在17%(不是99.9%),其余类别在5-10%左右。
现在我被卡住了,我不知道问题在哪里,所以我会很感激任何提示/提示/指针。