places365场景分类-caffe的安装

转自

http://blog.csdn.net/renhanchi/article/details/71713227

场景分类模型

安装文件github地址： https://github.com/metalbubble/places365
下载后解压缩

也可以直接运行：

[cpp]
view plain
copy

git clone https://github.com/metalbubble/places365  

同时在上面地址中选择并下载好你要用的pre_trained model。

1. 安装docker

下载地址： https://www.docker.com/community-edition
Ubuntu安装手册地址：

https://store.docker.com/editions/community/docker-ce-server-ubuntu?tab=description


先安装资源库：

[cpp]
view plain
copy

sudo apt-get -y install \  
  apt-transport-https \  
  ca-certificates \  
  curl  
  
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -  
  
sudo add-apt-repository \  
       "deb [arch=amd64] https://download.docker.com/linux/ubuntu \  
       $(lsb_release -cs) \  
       stable"  
  
sudo apt-get update  

在安装Docker CE

[cpp]
view plain
copy

sudo apt-get -y install docker-ce  

最后测试是否安装成功：

[cpp]
view plain
copy

sudo docker run hello-world  

测试后把测试image删掉：

[cpp]
view plain
copy

sudo su  
  
docker images  
  
docker rmi -f iamge_name or image ID  

2. 创建places365_container

[cpp]
view plain
copy

cd places365/docker  

打开README.md

我们可以看到这个容器里包含Ubuntu 14.04系统， Caffe和其相关依赖。

执行：

[cpp]
view plain
copy

docker build -t places365_container .  

需要一些时间来下载和安装，一共有3.5G多。

选择好的网络prototxt和对应的model复制到docker/models_places 目录下。

搞定后运行：

[cpp]
view plain
copy

docker run places365_container python run_scene.py images/mountains.jpg  

这里需要注意一下，可能是哪点我搞错了，我运行上面的命令说找不到places365_container，后来我改了一下。运行下面命令出结果了。

[cpp]
view plain
copy

docker run places365_contrainer python run_scene.py images/mountains.jpg  

3.调用本地caffe

我定义本地caffe目录为$ROOT

把Places365文件夹复制到$ROOT目录下

这里有两种版本，一个是用caffe中python自带的classfy.py， 一个是用Places365的run_scene.py。这里我都讲一下。

3.1.使用classfier.py

先修改一下classfy.py

默认的这个程序输出结果是存到一个npy文件中，不在terminal显示，所以需要继续修改让结果在terminal显示出来。

找到这一行：

[python]
view plain
copy

mean = np.load(args.mean_file)  

在下面加上：

[python]
view plain
copy

mean=mean.mean(1).mean(1)  

再定位到：

[python]
view plain
copy

# Classify  
start = time.time()  
predictions = classifier.predict(inputs, not args.center_only)  
print("Done in %.2f s." % (time.time() - start))  

在下面加上：

[python]
view plain
copy

imagenet_labels_filename = '../places365/docker/resources/labels.txt' #注意这里要改成你自己labels.txt的路径  
labels = np.loadtxt(imagenet_labels_filename, str, delimiter='\t')  
top_k = predictions.flatten().argsort()[-1:-6:-1]  
for i in np.arange(top_k.size):  
    print labels[top_k[i]]  

最后把132行的路径改成我们自己的文件路径。

[python]
view plain
copy

imagenet_labels_filename = '$ROOT/places365/docker/resources/labels.txt'  

3.1.1.生成labels.txt

对比就很容易发现，caffe需要的文件是每行只有类别名就好啦。把places365/docker/resources中的的labels.pkl改一下。

我写了下面的脚本，运行就会自动生成labels.txt啦

[cpp]
view plain
copy

#!/bin/sh  
cp labels.pkl labels.txt  
sed -i 1d labels.txt  
sed -i 731d labels.txt  
for num in {1..365};  
do  
    sed -i "/p${num}/d" labels.txt  
done  
sed -i 's/aS//g' labels.txt  
sed -i 's/S//g' labels.txt  
sed -i 's/^.//g' labels.txt  
sed -i 's/.$//g' labels.txt  

3.1.2.运行

使用下面命令运行

[cpp]
view plain
copy

cd $ROOT/python  
python classify.py $ROOT/places365/docker/images/mountains.jpg result.npy \  
--model_def $ROOT/places365/docker/models_places/deploy_alexnet_places365.prototxt \  
--pretrained_model $ROOT/places365/docker/models_places/alexnet_places365.caffemodel  

其中result.npy是输出文件。

3.2使用run_scene.py

先把这个文件复制到$ROOT/python文件夹下面，

然后直接运行：

[cpp]
view plain
copy

python run_scene.py $ROOT/places365/docker/images/mountains.jpg  

搞定！