【win10+cuda7.5+cudnn6.0安装caffe④】安装pycaffe

一、创建python2.7的环境

因为pycaffe基于python2.7，所以我们要创建一个python2虚拟环境

conda create -n caffe python=2.7

二、编译安装pycaffe

1.修改caffe-master/window/CommonSettings.props里的代码

第13行
<PythonSupport>true</PythonSupport>
第48行
<PythonDir>D:\app\anaconda3\envs\caffe</PythonDir>

2.设置pycaffe编译方式为release，x64，是否将警告视为错误：否

3.编译pycaffe

成功后在…\caffe-master\Build\x64\Release文件夹下出现pycaffe文件夹

可能遇到如下错误：

“numpy/arrayobject.h”: No such file or directory

错误 1 error C1083: 无法打开包括文件: “numpy/arrayobject.h”: No such file or directory F:\python\window-caffe-master\caffe-master\python\caffe_caffe.cpp 10 1 pycaffe

解决方法：
安装/更新numpy库
activate caffe
conda install numpy

三、将pycaffe文件夹下的caffe复制到虚拟环境的anaconda3\envs\caffe\Lib\site-packages\文件夹下

四、import caffe运行一下

发现报错：
ImportError: No module named skimage.io
缺少了scikit-image包
conda install scikit-image

发现报错：
ImportError: No module named google.protobuf.internal
conda install protobuf

运行成功：

五、安装完pycaffe后，可以复制下面的代码，测试一下

下载模型：http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
下载分类文件：synset_words.txt

（下面代码主要是导入caffe安装目录下提供的一个预训练好的模型bvlc_reference_caffenet.caffemodel，它支持1000个分类，用它来预测一张图片是什么类别，可以找一只猫来试一下！！！synset_words.txt文件是imagenet上1000个分类所对应的名称，没有的话网上找一个就行了，到处都是）
#python2环境默认的是ascii编码， python3默认的是utf-8编码。

将下面的代码保存成test.py

# coding:UTF-8
from imp import reload
import sys

print (sys.getdefaultencoding())

default_encoding ='utf-8'

if sys.getdefaultencoding()!= default_encoding:

    reload(sys)

    sys.setdefaultencoding(default_encoding)  

print(sys.getdefaultencoding())

 

import caffe

import numpy as np

deploy='F:\python\window-caffe-master\caffe-master\models/bvlc_reference_caffenet/deploy.prototxt'#deploy文件

caffe_model='F:\python\window-caffe-master/caffe-master/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel'

img='C:\Users\HQU_MATH\Desktop/1.jpg'    #随机找的一张待测图片

labels_filename='C:\Users\HQU_MATH\Desktop/synset_words.txt'  #类别名称文件，将数字标签转换回类别名称

net = caffe.Net(deploy,caffe_model,caffe.TEST)   #加载model和network

print("load caffemodel ...")

#图片预处理设置

transformer = caffe.io.Transformer({
    'data': net.blobs['data'].data.shape})  #设定图片的shape格式(1,3,28,28)

transformer.set_transpose('data',(2,0,1))    #改变维度的顺序，由原始图片(28,28,3)变为(3,28,28)

#transformer.set_mean('data',np.load(mean_file).mean(1).mean(1)) #减去均值，前面训练模型时没有减均值，这儿就不用

transformer.set_raw_scale('data',255)    # 缩放到【0，255】之间

transformer.set_channel_swap('data',(2,1,0))   #交换通道，将图片由RGB变为BGR

im=caffe.io.load_image(img)                   #加载图片

net.blobs['data'].data[...]= transformer.preprocess('data',im)      #执行上面设置的图片预处理操作，并将图片载入到blob中

#执行测试

out = net.forward()

labels = np.loadtxt(labels_filename, str, delimiter='\t',encoding='utf-8')   #读取类别名称文件

prob= net.blobs['prob'].data[0].flatten()#取出最后一层（Softmax）属于某个类别的概率值，并打印

print(prob)

order=prob.argsort()[-1]  #将概率值排序，取出最大值所在的序号

print('the class is:',labels[order]) #将该序号转换成对应的类别名称，并打印

在cmd中使用
activate caffe激活环境
使用cd命令进入test.py所在的文件夹
使用下方命令运行
python test.py

参考文章：https://blog.csdn.net/weixin_37621229/article/details/80547934