Question

我试图重塑caffemodel的卷积层的大小（这是this question的后续问题）。虽然有how to do net surgery的教程，但它只显示了如何将权重参数从一个caffemodel复制到另一个相同大小的caffemodel。相反，我需要将新频道（全部为0）添加到我的卷积滤镜中，以便将其大小从当前（64 x 3 x 3 x 3）更改为（64 X 4 X 3 X 3）。

假设卷积层被称为'conv1'。这是我到目前为止所尝试的：

# Load the original network and extract the fully connected layers' parameters.
net = caffe.Net('../models/train.prototxt', 
                '../models/train.caffemodel', 
                caffe.TRAIN)

现在我可以执行此操作：

net.blobs['conv1'].reshape(64,4,3,3);
net.save('myNewTrainModel.caffemodel');

但保存的模型似乎没有改变。我已经读过卷积的实际权重存储在net.params['conv1'][0].data而不是net.blobs，但我无法弄清楚如何重塑net.params对象。有没有人有想法？

Answer 1

如您所知，net.blobs不存储学习的参数/权重，而是存储在网络输入上应用过滤器/激活的结果。学习的权重存储在net.params中。（有关详细信息，请参阅this。）

AFAIK，您无法直接reshape net.params添加频道您可以做的是，有两个网deploy_trained_net_with_3ch.prototxt和deploy_empty_net_with_4ch.prototxt。除输入形状定义和第一层名称外，这两个文件几乎相同然后你可以将两个网加载到python并复制相关部分：

net3ch = caffe.Net('deploy_trained_net_with_3ch.prototxt', 'train.caffemodel', caffe.TEST) 
net4ch = caffe.Net('deploy_empty_net_with_4ch.prototxt', 'train.caffemodel', caffe.TEST)

由于所有图层名称都相同（conv1除外）net4ch.params的权重为train.caffemodel。至于第一层，您现在可以手动复制相关部分：

net4ch.params['conv1_4ch'][0].data[:,:3,:,:] = net3ch.params['conv1'][0].data[...]

最后：

net4ch.save('myNewTrainModel.caffemodel')

网络手术：如何重塑caffe中caffemodel文件的卷积层？

1 个答案: