调用python接口使用googlenet进行图像识别

# coding: utf-8
import caffe
import numpy as np
import matplotlib.pyplot as plt
import os
import PIL
from PIL import Image
import sys

#定义caffe根目录
caffe_root=‘E:/graduate_student/deep_learning/caffe/new_Win_caffe/document/1/caffe-windows/caffe-windows/‘
#网络结构描述文件
deploy_file=caffe_root+‘models/bvlc_googlenet/deploy.prototxt‘
#训练好的模型
model_file=caffe_root+‘models/bvlc_googlenet/bvlc_googlenet.caffemodel‘

#cpu模式
caffe.set_mode_cpu（）

#定义网络模型
net = caffe.Classifier（deploy_file #调用deploy文件
                       model_file  #调用模型文件
                       mean=np.load（caffe_root +‘python/caffe/imagenet/ilsvrc_2012_mean.npy‘）.mean（1）.mean（1） #调用均值文件
                       channel_swap=（210）  #caffe中图片是BGR格式，而原始格式是RGB，所以要转化
                       raw_scale=255         #python中将图片存储为[0 1]，而caffe中将图片存储为[0 255]，所以需要一个转换
                       image_dims=（224 224）） #输入模型的图片要是224*224的图片 我们不需要对网上下载的图片做预处理，程序会自动处理成224*224
#分类标签文件
imagenet_labels_filename = caffe_root +‘models/bvlc_googlenet/synset