caffe图像分类时，训练的模型准确率很高，而单张图片测试时准确率很低

做了好长的时间的图像分类，用caffe训练的模型正确率很高，但是用单张图片进行测试识别时，效果特别差，检测的出来的几乎都是同一类，查了一些资料，终于找到了解决办法。

原因1：如果训练用了GPU，那么测试的时候也要注意用GPU

原因2：注意测试图片的读取格式。

我就是错在了这里，参考的博客https://blog.csdn.net/u013841196/article/details/72799680

在图片进行通道转换时，常用的代码如下：

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))  # 通道变换，例如从(530,800,3) 变成 (3,530,800)
transformer.set_mean('data', mu) #mu是像素的均值
transformer.set_raw_scale('data', 255)  # rescale from [0, 1] to [0, 255]
transformer.set_channel_swap('data', (2, 1, 0))  # swap channels from RGB to BGR

（1）当用caffe.io.load_image方式读取图片时：

image = caffe.io.load_image(image_file) #加载图片

使用caffe.io.load_image()读进来的是RGB格式和0~1(float）

所以在进行识别之前要在transformer中设置transformer.set_raw_scale('data',255)(缩放至0~255）

以及transformer.set_channel_swap('data',(2,1,0)(将RGB变换到BGR）需要下面的5行代码

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))  # 通道变换，例如从(530,800,3) 变成 (3,530,800)
transformer.set_mean('data', mu) #mu是像素的均值
transformer.set_raw_scale('data', 255)  # rescale from [0, 1] to [0, 255]
transformer.set_channel_swap('data', (2, 1, 0))  # swap channels from RGB to BGR 

2.使用cv2.imread()来读取图片

cv2.imread()接口读图像，读进来直接是BGR 格式and 0~255

所以不需要再缩放到【0,255】和通道变换【2,1,0】，不需要transformer.set_raw_scale('data',255)和transformer.set_channel_swap('data',(2,1,0)）只要下面的三行代码就可以

transformer = caffe.io.Transformer({'data': net.blobs['data'].data.shape})
transformer.set_transpose('data', (2,0,1))  # 通道变换，例如从(530,800,3) 变成 (3,530,800)
transformer.set_mean('data', mu) #mu是像素的均值

我当初用的是cv2.imread()来读取图片，用的却是caffe.io.load_image()的代码段，所以出现了这个错误。