这两周在跑一个模型，我真的是被折腾的要崩溃了。

最后原因就是数据类型的问题，你说是不是应该管小黑屋啊。

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，其实最重要的是均值要是浮点型的，不要四舍五入，其实img转换根本没什么用在这里，关键还是均值，一定不能是整型数啊。

 

我真的是绕了个大弯啊，我的天呢。

 

还有一个坑，如果你读图时赋值给img=skimage.io.imread(img_path)

但是，如果你减均值时这么干的，

img -= mean

 

那么你必须在读取图像后赶快把img后面乘上1.0了，转成浮点型，要不然的话，减掉均值再赋值给img，还是给转成整型了，于是还是不行啊。

唉，真的是各种坑啊，所以以后还是乖乖用caffe的io吧。