Question

到目前为止，我一直在Python上使用Caffe，现在我正在尝试使用C ++来熟悉自己。

我所做的是通过计算功能和通过HDF5层加载来尝试探索caffe FC层。我已经训练了模型，使用以下代码可以很好地使用python：

caffe.set_device(0)
caffe.set_mode_gpu()
net = caffe.Net(proto_file, caffe_model, caffe.TEST)    
feats, labels = get_features('test/test.txt')   #AlexNet features
for feature, label in zip(feats, labels):
    net.blobs['data'].data[...] = feature
    output = net.forward()
    output_prob = output['loss'][0]
    print output_prob.argmax(), ", ", label

使用这个python代码，我可以检查并且它运行良好。

我正在尝试用c ++编写代码来做同样的预测。这一行

net.blobs['data'].data[...] = feature

有点棘手，我不能在c ++中做同样的事情：如何在c ++中将功能加载到数据层中：

到目前为止，我的c ++代码是：

    caffe::Caffe::SetDevice(0);
    caffe::Caffe::set_mode(caffe::Caffe::GPU);
    boost::shared_ptr<caffe::Net<float> > net_;
    net_.reset(new caffe::Net<float>(model_file, caffe::TEST));
    net_->CopyTrainedLayersFrom(trained_file);

    std::cout << "LOADED CAFFE MODEL\n";
    LOG(INFO) << "Blob size: "<< net_->input_blobs().size();

This caffe example很有用，但它会加载图片然后分隔通道。在我的例子中，我有来自AlexNet的4096-D特征向量，我想像Python代码一样直接加载。

Answer 1

根据名称获取blob索引：

required

（当然你也可以通过迭代const std::vector<std::string>& blob_names_ = net_->blob_names(); auto it = std::find(blob_names_.begin(), blob_names_.end(), "data"); int index = -1; if (it == blob_names_.end()) { // no "data" blob, do error handling } else { index = std::distance(blob_names_.begin(), it); }得到索引并比较每个项目。）

更改blob数据：

blob_names_

像往常一样从这一点继续。

如何在c ++中加载caffe模型进行预测

1 个答案: