从 Caffe 中的 LMDB 文件进行测试答案

【问题标题】：Testing from an LMDB file in Caffe从 Caffe 中的 LMDB 文件进行测试
【发布时间】：2016-10-30 02:38:12
【问题描述】：

我想知道如何在 Caffe 中仅为 LMDB 文件设置一个测试阶段。我已经训练了我的模型，一切看起来都很好，我的损失减少了，我在一张一张加载的图像上得到的输出也看起来不错。

现在我想看看我的模型在单独的 LMDB 测试集上的表现如何，但似乎无法成功。由于我的损失函数已经在 caffe 中定义，因此一次加载一个图像来循环对我来说并不理想，这需要我重新定义它。

这是我到目前为止所拥有的，但是这样做的结果没有意义；当我将火车组的损失与我从中获得的损失进行比较时，它们不匹配（相差几个数量级）。有谁知道我的问题可能是什么？

caffe.set_device(0)
caffe.set_mode_gpu()

net = caffe.Net('/home/jeremy/Desktop/caffestuff/JP_Kitti/all_proto/mirror_shuffle/deploy_JP.prototxt','/home/jeremy/Desktop/caffestuff/JP_Kitti/all_proto/mirror_shuffle/snapshot_iter_10000.caffemodel',caffe.TEST)


solver = None  # ignore this workaround for lmdb data (can't instantiate two solvers on the same data)
solver = caffe.SGDSolver('/home/jeremy/Desktop/caffestuff/JP_Kitti/all_proto/mirror_shuffle/lenet_auto_solverJP_test.prototxt')
niter = 100
test_loss = zeros(niter)
count = 0
for it in range(niter):
    solver.test_nets[0].forward()  # SGD by Caffe

    # store the test loss

    test_loss[count] = solver.test_nets[0].blobs['loss']
    print(solver.test_nets[0].blobs['loss'].data)
    count = count+1

【问题讨论】：

标签： caffe pycaffe lmdb

【解决方案1】：

查看我的回答here。不要忘记减去平均值，否则你会得到低准确率。上面发布的代码链接可以解决这个问题。

【讨论】：

谢谢，但在我看来应该有更简单的方法。在您的代码中，您需要手动向网络指定如何筛选所有经过它的数据。然而在训练阶段，对于完全相同的数据结构，caffe 会自动处理这一切。你知道做类似事情的方法吗？
作为后续，使用与您类似的技术，通过我的测试集需要很长时间，这比我的训练集小得多。我想在进行这种类型的计算时，caffe 的结构被优化为高度并行化，这就是我试图避免瓶颈的原因
你试过这个caffe test -model=models/bvlc_reference_caffenet/train_val.prototxt --weights=models/bvlc_reference_caffenet/<caffenet_train>.caffemodel --iterations=6400 --gpu=0 吗？
还没有，但我会试一试，如果我直接使用终端如何存储结果？
只需在上述命令后附加>> outfile.txt。这是一个基本的 linux 东西。