转载自：https://blog.csdn.net/auto1993/article/details/71297151
从上面的这个博客里面看到一个用Python调用网络的代码，然后就试了试，发现了发现不能直接跑通，因此这个博客就主要介绍下这个代码怎么修改。

import sys
cafferoot='/root/caffe'#自己的caffe路径
sys.path.insert(0,cafferoot+'/python')  
import matplotlib.pyplot as plt 
from numpy import zeros,arange 
from math import ceil
import caffe   
caffe.set_device(0)  
caffe.set_mode_gpu()   
# 使用SGDsolver，即随机梯度下降算法，这个要看你solver文件里，一般不写的话就是sgd  
#solver=caffe.AdamSolver('/root/caffe/examples/mnist/lenet_solver_adam.prototxt')
solver = caffe.SGDSolver('/root/caffe/examples/mnist/lenet_solver.prototxt')  
  
# 等价于solver文件中的max_iter，即最大解算次数  
niter = 10000  
# 每隔100次收集一次数据  
display= 100  
  
# 每次测试进行100次解算，10000/100  
test_iter = 100  
# 每500次训练进行一次测试（100次解算），60000/64  
test_interval =500 
  
#初始化 
train_loss = zeros(int(niter * 1.0 / display))   
test_loss = zeros(int(niter * 1.0 / test_interval))  
test_acc = zeros(int(niter * 1.0 / test_interval))  
  
# iteration 0，不计入  
solver.step(1)  
  
# 辅助变量  
_train_loss = 0; _test_loss = 0; _accuracy = 0  
# 进行解算  
for it in range(niter):  
    # 进行一次解算  
    solver.step(1)  
    # 每迭代一次，训练batch_size张图片  
    _train_loss += solver.net.blobs['loss'].data  #注意，这里的loss表示你定义网络中loss层使用的名称，原博客中定义该网络使用的是SoftmaxWithLoss
 
    if it % display == 0:  
        # 计算平均train loss  
        train_loss[it // display] = _train_loss / display  
        _train_loss = 0  
  
    if it % test_interval == 0:  
        for test_it in range(test_iter):  
            # 进行一次测试  
            solver.test_nets[0].forward()  
            # 计算test loss  
            _test_loss += solver.test_nets[0].blobs['loss'].data  #loss名称和上面的一样
            # 计算test accuracy  
            _accuracy += solver.test_nets[0].blobs['accuracy'].data # 这里和上面一样需要注意一下
 
        # 计算平均test loss  
        test_loss[it / test_interval] = _test_loss / test_iter  
        # 计算平均test accuracy  
        test_acc[it / test_interval] = _accuracy / test_iter  
        _test_loss = 0  
        _accuracy = 0  
  
# 绘制train loss、test loss和accuracy曲线  
print '\nplot the train loss and test accuracy\n'  
_, ax1 = plt.subplots()  
ax2 = ax1.twinx()  
  
# train loss -> 绿色  
ax1.plot(display * arange(len(train_loss)), train_loss, 'g')  
# test loss -> 黄色  
ax1.plot(test_interval * arange(len(test_loss)), test_loss, 'y')  
# test accuracy -> 红色  
ax2.plot(test_interval * arange(len(test_acc)), test_acc, 'r')  
  
ax1.set_xlabel('iteration')  
ax1.set_ylabel('loss')  
ax2.set_ylabel('accuracy')  
plt.show()  


一定要在caffe的根目录下面运行你的Python程序，否则就要改路径；


生成的图片如下所示：

第一代身份证底纹曲线的生成


       第一代居民身份证后天（2013年元旦）就要到期，以后就不再有用，成为历史。许多年轻人不知道第一代居民身份证是什么个样子，我在这里介绍一下。
      1985年以前，中国没有身份证制度，10亿人口每个人身边只要身边有钱，全国各地到处可通行，方便自由。但这种情况不利于人口管理，例如，要为居民发放什么，总要有个凭证；出了交通事故，要怀疑驾驶员是否冒名的，也要看证件，...。1985年开始，为了“和国际接轨”，开始发行居民身份证。


       
  作为证件，每一张居民身份证上都有居民本人的头像（一个image）及一个11位号码，这是证件上两个最重要的信息，每张身份证都应不同。但只有这两个东西就作为证件，不但不雅观而且容易被仿造，从而被冒名顶替，干出各种各样不可想象的违法事情来！所以在所有证件上必须添加一些难于被仿造的东西。在第一代身份证上，这就是添加底纹曲线。但如何绘制底纹曲线？这里有一个故事：

       1984年4月中旬的某一天，公安部三室来复旦两个人，一个青年一个中年，他们先去了计算机系找人，由计算机系的周新同志接待，周是研究图像的，没有办法解决这个图形问题，他估计计算机系其他也无人能解决此问题，就介绍公安部的同志到电子工程系来找我。他们找到我后，说明了中国要发行身份证一事，并拿出两张美国人的身份证给我看，说要仿制其上的底纹图案，但不知如何绘制，遇到了困难。他们已在北京找过北大、清华、中科院、造币所，都没有成功，后来到上海找过华东计算所和（本校的）计算机系，也没有办法，是计算机系周新同志介绍来找我的，问我有无办法来绘制其上的曲线？我初步察看了这两张中间有texas州地图，左边是头像的身份证，一张上面是个黑人，一张上面是个白人，都是女青年，底纹曲线覆盖在上面。最初给我的印象觉得这事可能会不太容易，可能要用许多许多点进行插值或拟合产生，如何寻找出这个庞大点集要化些时间了，但答应下来考虑考虑。当天晚上，我再仔细研究了这些由网状曲线构成底纹图案的形状，终于发现了这是一组相互有部分交叠的椭圆内旋轮线，和数学分析中学过的圆内旋轮线非常相像。弄清了曲线的性质后，接下来就化两个小时编出了程序，第二天就去计算机房输入计算机试验，画出结果和美国身份证上的底纹曲线完全一样的曲线！但发现有一个缺点：相邻两层曲线的重合不是对得很齐，稍有偏差（美国身份证上的曲线也有这个问题：没有对齐），为此对其中的某个参数作了改变，终于得到了理想的结果。这样，当天就叫公安部的两位同志来机房观看，得到他们的确认。但问题没有完：当时我们用的计算机是PDP11/34小型机，图形显示用Tektronix-4014（图1），它的图形模式在增强型下达4096*3067分辨率，我们平时用它作大规模集成电路版图显示，它附带的硬拷贝输出是在很小的热敏纸上，且有些模糊不清，不能用它复制到身份证上，而且，这个已用了4年以上的 Tektronix 4014显示器这时实际已出问题，画斜线时有的地方会变成水平和垂直两段折线！我最终决定到物理二系的DEC机上用平板绘图仪画出它们（电子工程系当时还没有绘图设备），于是去二系联系上机时间，被安排在夜里。由于绘图仪机械动作速度很慢，加上因画笔缺水等原因，深淡不均匀，甚至常到一半黑笔变白笔，使整张图纸报废，我一共画了6张A3图纸，用了两个通宵，才把正反两面2张底纹曲线图纸清晰、整洁地绘制出来。几天以后，公安部的2同志来我校取走了所有图纸。后来他们从北京来信，说这一工作为十亿人民作出了贡献（当时中国的人口），这使我感到莫大的荣幸，成为我一生中做过的社会效益最大的一桩非本职义务工作。但其实这是一件一点也不难的事情，累计花费时间不到24小时。



.........

                                         

      下面我就来介绍底纹曲线怎样生成。内接于圆的旋轮线由以下公式决定：


 

  

   
  
 
 

  

   
  
 

其中R是该圆的半径，r是在圆内滚动轮的半径，d是滚动轮的半径上的一个点，它可以在轮子内，也可以在轮子外，或就在轮子上。图形形状和d有关。而内接于椭圆的旋轮线只要将垂直方向压扁一个比例即可，所以可由以下公式决定：


x=(R-r)*cos(theta)+d*cos((R-r)*theta/r)

y=k*((R-r)*sin(theta)+d*sin((R-r)*theta/r))
(k是小于1的实系数，代表压扁率)



但画图时再要考虑显示屏（扫描仪或打印机也一样）坐标中心在左上角，要使图形画出来不至于也在左上角且只有四分之一，应将X,Y加上一个偏移（偏移值与设备分辨率有关），并将各个参数比例定下来统一用一个参数 t 来表达，最后还用实际的数值为t赋值，此外，整个底纹需要输入一组很多条曲线，所以最终输入数据应有下面的形式：
(380+18*sin(36*t))*cos(t)
0.7*(380+18*sin(36*t))*sin(t)
0
2pi
360
(350+18*sin(36*t))*cos(t+3.1416/36)
0.7*(350+18*sin(36*t))*sin(t+3.1416/36)
0
2pi
360
(320+18*sin(36*t))*cos(t)
0.7*(320+18*sin(36*t))*sin(t)
0
2pi
360
(290+18*sin(36*t))*cos(t+3.1416/36)
0.7*(290+18*sin(36*t))*sin(t+3.1416/36)
0
2pi
360
(260+18*sin(36*t))*cos(t)
0.7*(260+18*sin(36*t))*sin(t)
0
2pi
360
(230+18*sin(36*t))*cos(t+3.1416/36)
0.7*(230+18*sin(36*t))*sin(t+3.1416/36)
0
2pi
360
(200+18*sin(36*t))*cos(t)
0.7*(200+18*sin(36*t))*sin(t)
0
2pi
360
(170+18*sin(36*t))*cos(t+3.1416/36)
0.7*(170+18*sin(36*t))*sin(t+3.1416/36)
0
2pi
360
(140+18*sin(36*t))*cos(t)
0.7*(140+18*sin(36*t))*sin(t)
0
2pi
360
(110+18*sin(36*t))*cos(t+3.1416/36)
0.7*(110+18*sin(36*t))*sin(t+3.1416/36)
0
2pi


360
在显示器上所得的效果如下：






其中每条曲线用5行表达（见前）：第1第2行代表用参数 t 表示的X、Y值，第3第4行是 t 的取值范围，第5行的360代表这条曲线实际是用360段直线连接而成的，每段直线对应的角度为1度。
这种网格如加用底色、并用深浅略有不同两种颜色画出曲线，就会有浮雕式的立体感，见下图（已将椭圆中心向左上方向适当移动）。其实身份证要是也这样处理就会美观一些。


【注】这是当时实际用的曲线表达式。但并不一定是最好的，如不一定全用360段，较小的椭圆可以少用几段，最里面几层可能分60段就能保证曲线足够光滑了，这样就可以大大减少绘图仪绘图时间，提高绘图速度。另外，n条曲线可以组织循环，不一定要一条一条地写，等等。但这都是后来想到的事了，当时没有考虑那么多。


有了这些曲线表达式，怎样画出曲线，我想不是难事了，因为只要按曲线的公式和分段数目360算出360点的位置，再把同一曲线上所有点依次相连成直线段就可以了，留给读者去具体编程实现。我当时用Fortran77编出程序（PDP11/34只有这一种高级语言可用），现在你可用VC，Delphi，VB，等任何一种语言来编写。

值得注意，我们可以进一步编出一个通用的画平面曲线的程序，只要输入它们的表达式，就可生成它们的曲线。例如，用
3*cos(7*t)
2*sin(17*t)
0
4pi
800
生成一根李萨育曲线，用
sin(4*t)*cos(t)
sin(4*t)*sin(t)
0
2pi
72
生成一条玫瑰形曲线，用
(1-cos(t))*cos(t)
(1-cos(t))*sin(t)
0
2*pi
36
生成一条心脏形曲线，等等。
再进一步，如果是三维的曲面图形，应利用怎样的表达式来表达？怎样编出一个的通用的画曲面程序呢？同样留给读者思考了。

Matlab之代数方程求解：多次函数求根并绘制曲线图
 
 
 
 
 
 
 
目录
 
多次函数求根并绘制曲线图
 
1、符号方程
 
2、求三次方程的根：并绘制该函数在-8< x <8 范围内的图象。
 

 
 
 
 
多次函数求根并绘制曲线图
 
1、符号方程
 
ezplot( )命令绘图：会自动输入函数标题
 
f = 'x^2 - 6*x - 12'; ezplot(f,[-2,8])  %ezplot(f,[x1,x2])绘制了f在x1< x <x2区间内的图象。
 
(1)求函数的根并绘制该图象，并确定根的数值。
 
eq = 'x^2 + x - sqrt(2)';  s = solve(eq)
 
x1 = double(s(1))%要确定根的数值，我们需要把它们从数组中提取出来，然后把它们转换成double类型
 
x2 = double(s(2))
 
ezplot(eq)        %最后绘制函数的图像；
 
 
 
 
 
2、求三次方程的根：并绘制该函数在-8< x <8 范围内的图象。
 
f = 'x^3 + 3*x^2 - 2*x - 6';
 
s = solve(f); %调用solve求根
 
double(s(1))  %获取double类型的四个根
 
double(s(2)) 
 
double(s(3))  %从得出的结果看出有复数根，
 
ezplot(f, [-8, 8, -8, 8]), grid on %在范围-8< x <8，-8< y <8内绘制函数的图象且打开网格
 
 
 
 

一、曲线是怎么来的？
 adobe公司想了一个好办法来修改图像中的各个像素点的亮度。
 在PS中，系统将0到255的各个亮度值的“控制开关点”排列在一根直线上，并将这些点串联起来，使其附近的点能够随前后点的变化而发生牵引性关联变化，这就是曲线的由来。
 比如，我们调整亮度为80的点（设置这个点为关键点）那么81和79的亮度值也会随之变化，从而形成曲线。（如下图，我们看到的输入输出的参数都是80）
 

 我们将其输出调整为100
 
 那么，这条直线就变成了曲线了。
 同时，我们看到，曲线向上凸出则说明相对于原来的原始值，亮度提高了，输出增大了。
 那么，为什么要让附近的点随着调节点发生牵连性变化呢？
 我们可以想象，如果仅仅是这个点发生变化，那么就会出现画面中某一个单独的亮度区间或者点发生突变，从而导致画面不协调。使用“链条式”的牵连变化后这个问题则迎刃而解。
 
二、什么是曲线的调节关键点
 关键关键点就是我为了描述方便取的一个名字，目的在统一我们所描述对象的名称。我们在曲线上点击时，即会产生一个调节关键点。
 调节关键点之间的距离至少为4个值，比如设置了30为调节关键点，那下一个最近的点只能为34，如果企图设置为33就会弹出错误提示：
 
 每个关调节关键点的输入选定后，只能调节其输出值（输入值是这个点的原始横坐标位置），也就是说，一个调节关键点只能调整上下，不能调整左右。否则，你调整的中心点就不是原来你选定的那个点了，换句话说，这与你的初衷开始相背离了。但这不会引起系统报错，只不过你调错了目标。
 
三、它为什么是一条斜线呢？
 当然应该是一条斜线，而且是一条45°的斜线！
 首先我们来观察这根斜线，它是边长为256的正方形的对角线（用数学语言描述就是斜率为1），所以，正方形的对角线有一个特性就是：对角线上的任意一个点，到（与对角线共端点的相邻）两边的距离总是相等的，到两平行边的距离和为256（如当某但被调整后，该调整点到两平行变的距离分别为L1,L2,那么L1+L2一定等于256）。
 
 所以，我们可以看出，对角线上的点，必然都可以在0到255的值之间进行调整。
 为什么是0到255之间呢？
 因为我们的图像一般都是采用的8位的图像，也就是2的8次方，所以不可能有其他值来表示了，任意亮度值都可以也仅仅能被改变到0到255之间的亮度值。如果超出256就不是8位的图像了。
 所以，只有这样一条斜线，才能够满足这个要求。
 
四、曲线能干什么？
 简单来说是能够调整对比，包括整体亮度对比和单色的对比（这与色彩平衡是有差别的，有关平衡色详细内容可以参看我写的有关色彩的博文，主要是青品黄红绿蓝的平衡）
 1、曲线能调整亮度
 通过调整整体片子的各亮度值的像素点的亮度值可以改变整体片子的对比度。
 2、可以调整单色之间的对比
 通过调整各个颜色的亮度值可以调整片子的色调，往往应用在对环境色某单色进行调节。这也常常会平和色彩平衡同时进行。
 
 上图就略略的降低了暗调部分的红色，当然红色的亮度降低，青色就会相对突出一些了，但实际不是增加了青色的浓度。
 

 五、预设值与典型应用
 预设值说白了就是曲线调整的“模板”，我们可以根据我们的需要直接选用我们容易理解的选项，比如“增加对比度”。这样，我们的图片的对比度会增加，当然，这个对比度的增加是比较柔和的。如果不满足我们的预期，我们可以多次应用预设值。
 
 当然，我们在不理解这些预设值的时候可以打开预览选项选择试试效果。说不定会给到你意想不到的惊喜。
 
六、什么是黑场灰场白场？
 可能我们没有怎么注意过曲线方框下方的三个吸管，他们就是传说中的黑灰白三场的设置器。这三个吸管可厉害者呢。他们一定程度上可以指鹿为马，黑吸管（黑场）所指变为最黑，不是最黑也会降低为最黑，不黑也黑。同样，白吸管（白场）所指，不是最白也会变为最白，不白也白。
 灰色管（灰场）则是平衡色之间杠杆的支点，这很容易理解，它就是类似一个杆子上的滑动块，向哪边滑动就会压缩哪边的空间，选择蓝色部分那么蓝色部分的空间就被压缩了，红色就会凸显出来些。
 原图如下：
 

 我们选择偏红色部分（2#点区域），红色部分被压缩，则图像就会变化为蓝色为主的图像：
 
 选择偏蓝色1#点区域，图像就变红了，说明蓝色被抑制（从信息表中可以看出，几个选择点的蓝色信息都有减小）：
 
 实际，前期PS功能还没有现在那么强大，包含这么多功能，曲线工具就是以前数码调图的最强利器。学懂用好它，可以给我们的后期修图带来许多的好处。