本文主要是介绍【Caffe使用足迹】caffe.io.load_image()，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！
caffeio.load_image()返回值为0到1之间的浮点数，也就是在内部已经除以了255,如果不设定，返回值的图像也是RGB三个通道的图像，可以在参数中加一个False这个参数，返回就是灰度图像来。
转载：http://www.mamicode.com/info-detail-858837.html
skimage.io.imread得到的是uint8的数据，而caffe.io.load_image得到的是0-1之间的小数。
img=skimage.io.imread(img_path), uint8,0-255
img=caffe.io.load_image(img_path), float,0-1
这个还不是最关键的，关键是在使用时的实际情况。
caffe里，使用caffe.io.load_image时，需要把值转换为0-255之间，所以要乘255.
img=skimage.io.imread(img_path),uint8,0-255
img=caffe.io.load_image(img_path)*255,float,0-255
然后最关键的平方，在DL中，要减去均值才行是吧，于是
img=skimage.io.imread(img_path)-mean,uint8,0-255
img=caffe.io.load_image(img_path)*255-mean,float,0-255
此时看似没什么问题。但是第一种方式，减掉均值后，很多地方变成0了。这个在对整图操作时，可能影响还不大，但是如果你要考虑局部的信息，比如像素点的局部信息，此时你就等着吧，绝对因为大部分是0，什么都没有了。
而第二种情况，因为是浮点数，减均值后还是有值的，在0附近的小数，于是这个还是比较正常的输入值，对DL来说，当你定位到局部信息时，还是比较真实的。
于是，我是这么做的，把第一种情况得到的图像都乘以1.0，然后就看到图像的像素值变成浮点型了。这样以来，在减均值时，就好了。
img=(skimage.io.imread(img_path))*1.0,uint8,0-255
img=caffe.io.load_image(img_path)*255,float,0-255
这个问题可是困扰了我N天啊，真是个大坑，掉进去了，希望以后再用python时能够注意到这个问题。
罗嗦那么多，其实有一种直接的办法，如果均值是浮点型的，不要四舍五入，即使不作转换，第一种情况也不会是大部分0了，看来在python里也是遵守类型转换往高一级的类型靠拢的原则啊。
这篇关于【Caffe使用足迹】caffe.io.load_image()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！
