圖片減去均值后，再進(jìn)行訓(xùn)練和測試，會提高速度和精度。因此，一般在各種模型中都會有這個操作。

那么這個均值怎么來的呢，實際上就是計算所有訓(xùn)練樣本的平均值，計算出來后，保存為一個均值文件，在以后的測試中，就可以直接使用這個均值來相減，而不需要對測試圖片重新計算。

一、二進(jìn)制格式的均值計算

caffe中使用的均值數(shù)據(jù)格式是binaryproto, 作者為我們提供了一個計算均值的文件compute_image_mean.cpp，放在caffe根目錄下的tools文件夾里面。編譯后的可執(zhí)行體放在 build/tools/ 下面，我們直接調(diào)用就可以了

# sudo build/tools/compute_image_mean examples/mnist/mnist_train_lmdb examples/mnist/mean.binaryproto

帶兩個參數(shù)：

第一個參數(shù)：examples/mnist/mnist_train_lmdb， 表示需要計算均值的數(shù)據(jù)，格式為lmdb的訓(xùn)練數(shù)據(jù)。

第二個參數(shù)：examples/mnist/mean.binaryproto， 計算出來的結(jié)果保存文件。

二、python格式的均值計算

如果我們要使用python接口，或者我們要進(jìn)行特征可視化，可能就要用到python格式的均值文件了。首先，我們用lmdb格式的數(shù)據(jù)，計算出二進(jìn)制格式的均值，然后，再轉(zhuǎn)換成python格式的均值。

我們可以編寫一個python腳本來實現(xiàn)：

#!/usr/bin/env python import numpy as np import sys,caffeif len(sys.argv)!=3:print "Usage: python convert_mean.py mean.binaryproto mean.npy"sys.exit()blob = caffe.proto.caffe_pb2.BlobProto() bin_mean = open( sys.argv[1] , 'rb' ).read() blob.ParseFromString(bin_mean) arr = np.array( caffe.io.blobproto_to_array(blob) ) npy_mean = arr[0] np.save( sys.argv[2] , npy_mean )

?將這個腳本保存為convert_mean.py

調(diào)用格式為：

# sudo python convert_mean.py mean.binaryproto mean.npy

其中的?mean.binaryproto 就是經(jīng)過前面步驟計算出來的二進(jìn)制均值。

mean.npy就是我們需要的python格式的均值。

總結(jié)

以上是生活随笔為你收集整理的Caffe学习系列(15)：计算图片数据的均值的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。