DLP教程系列之图像分类：（4）模型部署

深度学习平台(DLP)软件是一个用于深度学习应用开发的免编程软件平台，致力于为广大深度学习应用开发者打造一个高效并且具备良好用户体验的开发工具。DLP软件可前往DLP官网免费下载:www.ai-dlp.com

本文将介绍如何利用DLP部署已经训练好的模型，并利用训练好的模型进行推理。

1.DLP部署界面介绍

启动DLP之后，切换到”Deploy”页面；或者在”Train”页面点击”NextStep”按钮，DLP会自动跳转到”Deploy”页面，并根据训练信息对部署模型进行相关信息配置。

部署模块界面主要由功能栏、输入区、输出区、模型设置区以及日志区组成。其中，功能栏中的按钮功能介绍如下：

“SetDir”(设定工作路径)按钮，选择一个文件夹作为工作路径。建议在打开DLP之后，及时将当前工作路径设定为项目路径。

“Image”(添加图片)按钮，点击该按钮，用户在对话框中选择需要做推理的图片。添加之后，图片将会显示在输入区。

“Audio”(添加音频)按钮，该功能尚在开发中。

“Video”(添加视频)按钮，该功能尚在开发中。

“Magnify”(放大图片)按钮，点击该按钮，输入区中的图片则会被放大。

“Shrink”(缩小图片)按钮，点击该按钮，输入区中的图片则会被缩小。

“Reset”(重置图片)按钮，点击该按钮，输入区中的图片则会被重置回合适大小。

“Legend On/Off”(颜色条显示)按钮，该按钮用于图像语义分割的推理过程，点击该按钮，在输出区会显示/隐藏颜色条，每一种颜色对应一种物体。

2.部署fashion_mnist分类模型

在之前的文章《DLP教程系列之图像分类: (3)训练可视化》中，我们完成了对fashion_mnist数据集进行分类的模型训练。在“Train”页面中，点击“NextStep”按钮，跳转到“Deploy”页面，并显示模型配置面板，训练好的模型路径会自动填入到Model对应的文本框中；点击模型区域中的齿轮按钮，亦会弹出信息配置面板:

用户需配置以下信息：

“Mode”(推理模式) ，目前DLP支持在CPU或GPU上进行推理，针对我们的任务，在此选择CPU。

“Type”(任务类型)，目前DLP支持两种推理任务：分类和语义分割，在此选择分类。

“Model”(模型)，点击文本框右侧的按钮，用户在弹出的对话框中选择训练好的模型文件(.caffemodel)，选定后，模型文件路径则会显示在文本框中。

“Prototxt”(网络描述文件)，点击文本框右侧的按钮，用户在弹出的对话框中选择网络描述文件(.prototxt)。在此，我们需要对用于训练的网络描述文件稍作修改，用于模型部署，具体的修改部分如下：

修改数据层：

修改输出层：

在DLP未来的版本更新中，会添加自动生成用于推理的网络描述文件的功能，进一步方便用户。

导入修改后的网络描述文件之后，DLP会尝试自动的去识别输入层和输出层，如果识别成功，那么会在对应的文本框里自动填入名称；如果识别不成功，用户需手动填入对应的名称。

在下方的Raw scale填入255，表示输入图片的数值范围是[0，255]；在Input scale中输入1，表示不对输入的数据进行缩放。

“Label file”(标签文件)，点击文本框右侧的按钮，用户在弹出的对话框中选择标签文件。标签文件在准备数据时已经生成，若没有该文件，直接手动编辑即可，标签文件内容如下：

“MeanFile”(均值文件)按钮，点击文本框右侧的按钮，用户在弹出的对话框中选择均值文件。在准备数据的过程中，均值文件已经生成，直接导入即可。

信息配置完毕之后，齿轮按钮会由空心变为绿色实心，如下图：

点击“Model”上方的开关按钮，即可启动模型进行推理。点击功能栏的“Image”按钮，从fashion_mnist的测试集中随机选择一张图片进行推理，结果如下图：

3.总结

至此，使用DLP针对fashion_mnist数据集搭建一个深度学习分类应用就已经完成了。希望这个例程能够起到抛砖引玉的作用，用户可以不断探索DLP中的功能，利用这个平台去发挥自己的创造力，创造出新型的网络结构。

各位用户的想法和建议可以通过邮件或微信传达给DLP，我们必定博采众长，改善DLP的性能、丰富DLP的功能，不断提升DLP的用户体验。

下期预告：一大波素材正在准备中...