是否可以在没有任何培训的情况下使用Caffe Only进行分类？

Question

有些用户可能会将此视为基于意见的问题，但如果仔细观察，我会尝试探索使用Caffe作为纯粹的测试平台，而不是目前流行的培训平台。

背景

1. 我在Nvidia TK1上使用Jetpack 2.0安装了所有依赖项。
2. 我已成功安装了caffe及其依赖项。
3. MNIST示例工作正常。

任务：

1. 我已经获得了所有标准图层的评论。 （不是开源模型）
2. 培训后可以获得网络权重和偏差值等。培训还没有通过caffe完成。 （预训练网络）
3. 权重和偏差都是MATLAB矩阵的形式。 （实际上是在.txt文件中但我可以轻松编写代码以使它们成为矩阵）
4. 我不能用caffe训练这个网络，只能使用给定的权重和偏差值进行分类。
5. 我有32x32像素图像形式的数据集。

问题： 在所有教程中，详细介绍了如何部署和训练网络，然后使用生成的.proto和.caffemodel文件进​​行验证和分类。是否可以在caffe上实现此网络并直接使用我的权重/偏差和训练集来对图像进行分类？这里有哪些可用选项？我是一个卡弗处女，所以要善良。谢谢你的帮助！

Answer 1

这里唯一的问题是：
如何从文本文件权重初始化caffe net ？

我假设您有page-id/ratings?fields=created_time,has_rating,has_review,open_graph_story{id},rating,review_text,reviewer 描述网络架构（图层类型，连接，过滤器大小等）。剩下的唯一问题是如何将'deploy.prototxt'的内部权重设置为保存为文本文件的预定义值。

您可以访问caffe.Net内部，请参阅net surgery教程，了解如何在python中完成此操作。

一旦您能够根据文本文件设置权重，您就可以caffe.Net将新权重转换为二进制net.save(...)文件，从现在开始使用。如果你已经有训练过的重量，你不必训练网，你可以用它来产生预测（＆＃34;测试＆＃34;）。