CaffeClassification.py 文件源码

def InitCaffe():
    #S?n?fland?rma için hangi donan?m? kullanaca??m?z? belirtiyoruz
    #caffe.set_mode_cpu()  #CPU yani i?lemci üzerinde
    caffe.set_mode_gpu()  #GPU yani ekran kart? üzerinde 
    model_def = 'deploy.prototxt'
    model_weights = 'bvlc_reference_caffenet.caffemodel' #imagenet model dosyas?
    global net
    net = caffe.Net(model_def,      # Modelin yap?s?n? tan?mlar
                    model_weights,  # E?itilmi? a??rl?klar? içerir
                    caffe.TEST)     # Test modunda kullanaca??z         
    #Subtraction için ortalama ImageNet görüntüsü yüklenir.
    mu = np.load('ilsvrc_2012_mean.npy')
    mu = mu.mean(1).mean(1)
    #Data ad? verilen transformatör giri? için olu?turulur
    global transformer
    transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
    transformer.set_transpose('data', (2,0,1))  # Görüntü kanallar?n? en d??a ta??r
    transformer.set_mean('data', mu)            # Her kanaldaki veri seti ortalamas? ç?kar?l?r.
    transformer.set_raw_scale('data', 255)      # [0, 1] 'den [0, 255]' e yeniden ölçeklendirme yap?l?r.
    transformer.set_channel_swap('data', (2,1,0))  # Renk uzay? RGB den BGR renk uzay?na dönü?türülür.
    # Giri?in boyutunu ayarlan?r.
    # Varsay?lan olarak kals?n. ?sterseniz daha sonra farkl? y???n boyutlar? için de?i?tirebiliriz
    net.blobs['data'].reshape(50,        # Y???n?n boyutu
                              3,         # 3 kanall? yani  BGR resimler.
                              227, 227)  # resimlerin boyutu 227x227 olarak ayarlanacak.                          
#Parametre ile gonderilen goruntu analiz edilecek