Chapter3.使用自己的图片来跑这个实例
这个过程是最繁琐了，花了我大概三天才调通。在此做个分享。
neuraltalk-master\example_images目录下给出了示例，包括task.txt和vgg_feats.mat。其中taks.txt是需要处理的图片名称的一个合集，vgg_feats.mat是通过CNN后（这里用的是vggnet）生成的图片特征值。
在开始之前，你可以点result.html直观地看到对示例图片的预测效果。
之后，开始新的征程。将你希望预测的图片做一个适当的压缩后（比如兆大小的图片压缩到几百kb），放到某个文件夹（这里我还是放在了example_images文件夹下，你可以自己更改，不过在使用MATLAB时需要注意cd到你的目录下。）在task.txt中写下你的图片名称，按给出的示例那样，注意了，每个.jpg/.png与后一个图片的名字之间其实隐藏了一个不可见字符，我刚开始没发现，所以MATLAB处理后cmd跑预测的时候一直出问题。你可以把光标移到每两个图片名之间，会发现确实如此。看下图那个红绿闪烁的光标。查了一下，应该是字符编码中的隐藏字符，具体是啥我也不清楚，不过能知道的是它起到了分隔两个图片文件名的作用，便于后面的处理。
好了，tasks.txt完成后，打开你的MATLAB，cd到你的neuraltalk-master目录下：
添加caffe_.mexw64路径，可以在.m文件中添加下面的代码，也可以在MATLAB的命令窗口输入。
addpath(‘D:\caffe-windows-master\matlab’);
如果你不读懂这个抓取特征的.m文件直接运行它的话，会遇到很多问题，可以自己试试去一个个解决，这样收获更大。
这里我说一下需要对这个特征抓取的.m文件做的修改。
调用的model和weights需要做修改，
这里model用的是VGG_ILSVRC_16_layers.caffemodel，进入网站http://www.robots.ox.ac.uk/~vgg/software/very_deep/caffe/VGG_ILSVRC_16_layers.caffemodel下载，500多兆。这是vggnet的模型。
model下下来后放到caffe的models文件夹下的vgg_ilsvrc_16（自己新建）中。对于weights，我原以为也是用的对应的官方deploy.prototxt文件，但是后来看了实例里面的说明才发现做了更改，它将softmax去掉了。这就尴尬了。。。怪不得MATLAB一直报赋值下标不匹配，原先vgg官方prototxt生成的是一个1000的大小，但是.m文件中定义的是4096的大小。这也说明.md文件必须认真看啊！
好了，知道原因后将weights换掉，用matlab_features_reference文件夹下的deploy_features.prototxt。
MATLAB中做如下修改：
将数据输入部分的代码做修改：
这里说一下代码里的内容，
scores是我们要的东西，tic和toc是用来获取代码运行时间的。
最后的写出文件中_hdf5.mat可以注释掉。
好，一切准备就绪，开始跑代码。
因为就三张图片，也就9秒搞定。当然这里容易报错，一般报caffe错误可能是你C盘内存不够了（当然排除了你的caffe配置和相关调用文件的生成问题），MATLAB处理过程中产生的数据量还是很惊人的。清理一下就好了。
打开cmd，cd到..\neuraltalk-master目录后输入：
python predict_on_images.py cv\flickr8k_cnn_lstm_v1.p -r example_images
等待处理完成，在example_images文件夹下生成了result_struct.json和result.html。
最后为人工智能而颤抖吧！
（图片说明：1.jpg是我家的狗，2.jpg是以前寝室的猫，3.jpg…嗯，全篇到此结束。）
