caffe python 批量抽取图像特征---续篇

http://blog.csdn.net/guoyilin/article/details/42886365 上文是使用修改deploy.prototxt文件的input_dim为我们想要的图片的张数，因为net.blobs每当forward执行完毕一次batch， 都会更新网络的blobs数据。本文介绍在不修改deploy.prototxt情况下，更方便抽取图片特征。

首先，修改python/caffe/classifier.py, 修改predict方法

out = self.forward_all(blobs=['fc7'], **{self.inputs[0]: caffe_in})
        predictions = out[self.outputs[0]].squeeze(axis=(2,3))
        fc7 = out['fc7'].squeeze(axis=(2,3))
        return fc7

重新编译下caffe的python:

cd build

make pycaffe

然后copy 编译好的包到源码路径下：

cp build/python/libpycaffe.so python/caffe/_caffe.so && \
mkdir -p python/caffe/proto && \
touch python/caffe/proto/__init__.py && \
protoc --proto_path=src/caffe/proto --python_out=python/caffe/proto src/caffe/proto/caffe.proto && \
protoc --proto_path=src/caffe/proto --python_out=python/caffe/proto src/caffe/proto/caffe_pretty_print.proto

主程序文件调用如下：

features  = net.predict(imageList, oversample=False)
for feature in features:
    print feature  #feature是4096维度