Caffe中用訓練好的模型測試，deploy文件的修改方法

訓練好網絡模型後，需要在測試集上驗證模型分類的正確率，這時，就需要把訓練的網絡文件net.prototxt修改爲deploy.prototxt，然後再進行測試。

輸入數據層改動如下：

name: "SpecNet"
layer {
  name: "spectr"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TRAIN
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "../data/train"
    batch_size: 15
    backend: LMDB
  }
}
layer {
  name: "spectr"
  type: "Data"
  top: "data"
  top: "label"
  include {
    phase: TEST
  }
  transform_param {
    scale: 0.00390625
  }
  data_param {
    source: "../data/valid"
    batch_size: 15
    backend: LMDB
  }
}

# Layer 1 128x128x1
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 1
  }
  ...
  ...
  ...

改爲：

name: "SpecNet"
layer {
  name: "data"
  type: "Input"
  top: "data"
  input_param { shape: { dim: 1 dim: 3 dim: 128 dim: 128 } }
}
# Layer 1 128x128x1
layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data"
  top: "conv1"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 1
  }
  ...
  ...
  ...

其中
dim: 1 #num，對待識別樣本進行數據增廣的數量，可自行定義。一般會進行5次crop，之後分別flip。如果該值爲10則表示一個樣本會變成10個，之後輸入到網絡進行識別。如果不進行數據增廣，可以設置成1
dim: 3 #通道數，表示RGB三個通道
dim: 128 #圖像的長和寬
input_param的參數解釋：http://blog.csdn.net/u010417185/article/details/52619593

輸出層改動如下：

# Classification Layer 6x1
layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "ip2"
  bottom: "label"
  top: "accuracy"
}
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "ip2"
  bottom: "label"
  top: "loss"
}
...
...
...

改爲：

# Classification Layer 6x1
#layer {
#  name: "accuracy"
#  type: "Accuracy"
# bottom: "ip2"
#  bottom: "label"
#  top: "accuracy"
#}
layer {
  name: "prob"
  type: "Softmax"
  bottom: "ip2"
 # bottom: "label"
  top: "prob"
}
...
...
...

只需要改輸入數據層和輸出層，其他的一般不用修改。
可以參考：
http://blog.csdn.net/l18930738887/article/details/54898016
http://blog.csdn.net/lanxuecc/article/details/52474476
http://blog.csdn.net/fx409494616/article/details/53008971