我使用以下代码加载网络并进行设置，图层的参数存储在deploy.prototxt。
net = caffe.Net(deploy.prototxt, caffemodel, caffe.TEST)
但是，我想要做的是修改图层动态的参数（例如kernel_size或pad等），而不是修改原型文件和重装它。
有没有办法这样做？
答案 0 :(得分：0)
您可以编写自己的get / set方法并将它们公开给python。 在layer.hpp中：
virtual float GetParameter(const std::string param_name) {return -1;}
virtual void SetParameter(const std::string param_name, float val) {}
然后在要动态获取/设置参数的图层中重新定义这些方法。
最后一步是将方法公开给python。在_caffe.cpp中为bp::class_<Layer...添加此内容：
.def("get_parameter", &Layer<Dtype>::GetParameter)
.def("set_parameter", &Layer<Dtype>::SetParameter)
答案 1 :(得分：0)
我建议改变你对这个问题的看法。对于你提到的“动态修改参数”，它有什么依赖？最常用的变量（我面临的）是当前的迭代次数。例如，我想每10000次减少参数值。基于此，在使用该参数的图层中，应用该函数进行修改。这与修改原型文件文件相同。
为了获得特定图层中的迭代次数，我在这里放了另一个解决方案。与修改原型文件相比，它非常简单，可能会显着降低您的工作量。希望您能从这个解决方案中获得灵感并将其应用到您的案例中。
答案 2 :(得分：0)
[帖子末尾的解决方案]
我需要微调一个模型，因此想要以编程方式更改各个层的 lr_mult 参数。我从这个主题的标题开始寻求帮助，谢天谢地在下面提到的标题为“如何以编程方式修改原型文件？”的链接中结束。
https://github.com/BVLC/caffe/issues/4878
在text_format中的google / protobuf中加载模型定义原型文件后，可以访问和修改参数。修改过的protobuf可以写成文件。