Caffe2：如何在C++中加载和使用MNIST教程模型

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。

来源

2017-09-14 AndrzejO

事实证明，我的使用Caffe2没有问题，但与我的预处理。由于img_bytes与基本类型char并且由于QByteArray中默认（在GCC）char是带符号的类型此转换&缩放：

*data++ = float(img_bytes[i])/256.f;

导致一些负值（而不是在范围浮子[0,1] ）。正确的版本是：

来源

2017-09-18 10:53:37 AndrzejO

Caffe2：如何在C++中加载和使用MNIST教程模型

回答

相关问题