本文主要是介绍文章标题caffe学习之特征提取（参照官网），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
参照
caffe/examples/feature_extraction/这个目录下的readme.md文件开始进行。
首选要选择运行的数据
mkdir examples/_temp然后将/examples/images下的图片制成列表并写到temp.txt中
find `pwd`/examples/images -type f -exec echo {} \; > examples/_temp/temp.txt说是要使用’ImageDataLayer‘来预测，所以在每行后面都会添加一个 0
sed "s/$/ 0/" examples/_temp/temp.txt > examples/_temp/file_list.txt在实际中，要将图像的均值从数据集中减掉，这样效果会好很多。我们就复制并修改了网络的定义。我们将会使用’ImageDataLayer‘,这个东西会加载并且重定义图片的大小。
cp examples/feature_extraction/imagenet_val.prototxt examples/_temp所有东西都准备好了，所以要运行了。
./build/tools/extract_features models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel examples/_temp/imagenet_val.prototxt fc7 examples/_temp/features 10 lmdb讲一讲里面的参数：fc7是你提取的特征点，代表的是参考模型的最高层特征。最后一个参数（10）是min-batches的数量。
特征存储在levelDB’examples/_temp/feature’下，可以给其他代码使用。
说下自己的感受，虽然不是很懂这些步骤，但是还有很多没学，等学完之后定会恍然大悟。
这篇关于文章标题caffe学习之特征提取（参照官网）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
