首页 文章

caffe / pycaffe的备忘单?

提问于
浏览
44

有谁知道所有重要的pycaffe命令是否有备忘单?到目前为止,我只使用matlab接口和终端bash脚本来使用caffe .

我想转向使用ipython并完成ipython笔记本示例 . 但是我发现很难概述python的caffe模块中的所有函数 . (我也是python的新手) .

2 回答

  • 10

    pycaffe teststhis file是python编码接口的主要网关 .

    首先,您想选择是否将Caffe与CPU或GPU一起使用 . 分别调用 caffe.set_mode_cpu()caffe.set_mode_gpu() 就足够了 .

    pycaffe接口公开的主类是 Net . 它有两个构造函数:

    net = caffe.Net('/path/prototxt/descriptor/file', caffe.TRAIN)
    

    它只是创建一个 Net (在这种情况下使用为训练指定的数据层),或

    net = caffe.Net('/path/prototxt/descriptor/file', '/path/caffemodel/weights/file', caffe.TEST)
    

    这会创建一个 Net 并自动加载保存在提供的caffemodel文件中的权重 - 在这种情况下使用指定用于测试的数据层 .

    Net 对象具有多个属性和方法 . 他们可以找到here . 我会引用我经常使用的那些 .

    您可以通过 Net.blobs 访问网络blob . 例如 .

    data = net.blobs['data'].data
    net.blobs['data'].data[...] = my_image
    fc7_activations = net.blobs['fc7'].data
    

    您也可以以类似的方式访问参数(权重) . 例如 .

    nice_edge_detectors = net.params['conv1'].data
    higher_level_filter = net.params['fc7'].data
    

    好的,现在是时候用一些数据实际喂网了 . 因此,您将使用 backward()forward() 方法 . 所以,如果你想对单个图像进行分类

    net.blobs['data'].data[...] = my_image
    net.forward() # equivalent to net.forward_all()
    softmax_probabilities = net.blobs['prob'].data
    

    如果有人对计算渐变感兴趣,则 backward() 方法是等效的 .

    您可以保存净重以随后重复使用它们 . 这只是一个问题

    net.save('/path/to/new/caffemodel/file')
    

    解算器

    pycaffe暴露的另一个核心组件是 Solver . 有几种类型的求解器,但为了清楚起见,我将仅使用 SGDSolver . 为了训练caffe模型,需要它 . 您可以使用实例化解算器

    solver = caffe.SGDSolver('/path/to/solver/prototxt/file')
    

    Solver 将封装您正在训练的网络,如果存在,则封装用于测试的网络 . 请注意,它们通常是相同的网络,只有不同的数据层 . 网络可以访问

    training_net = solver.net
     test_net = solver.test_nets[0] # more than one test net is supported
    

    然后,您可以执行求解器迭代,即带有权重更新的前向/后向传递,只需键入

    solver.step(1)
    

    或运行求解器直到最后一次迭代,用

    solver.solve()
    

    其他功能

    请注意,pycaffe允许您执行更多操作,例如specifying the network architecture through a Python classcreating a new Layer type . 这些功能使用较少,但通过阅读测试用例很容易理解 .

  • 95

    请注意,Flavio Ferrara的答案有一个小问题,可能会浪费你很多时间:

    net.blobs['data'].data[...] = my_image
    net.forward()
    

    如果您的第一个图层是数据类型图层,则上面的代码无效,因为当调用 net.forward() 时,它将从第一个图层开始,然后将覆盖插入的数据 my_image . 因此它将显示没有错误,但给你完全无关的输出 . 正确的方法是分配起始层和结束层,例如:

    net.forward(start='conv1', end='fc')

    这是一个使用pycaffe和一些matlab代码的LFW数据集上的面部验证实验的Github存储库 . 我想它可以帮到很多,特别是 caffe_ftr.py 文件 .

    https://github.com/AlfredXiangWu/face_verification_experiment

    此外,这里有一些使用pycaffe进行图像分类的简短示例代码:

    http://codrspace.com/Jaleyhd/caffe-python-tutorial/ http://prog3.com/sbdm/blog/u011762313/article/details/48342495

相关问题