Question

我使用torch-caffe-binding将caffe模型转换为火炬。我想删除最后的损失图层并添加其他火炬图层，我可以删除.prototxt文件中的图层并“训练”模型以获取.caffemodel文件并导入火炬？
并且模型使用lmdb类型数据，当我使用net:forward(input)来训练模型时，模型只使用数据层中定义的数据而不是使用input数据。那么如何训练使用lmdb数据的模型呢？ caffe模型有一些自定义图层，因此我无法使用loadcaffe在火炬中加载模型

Answer 1

这里有3个问题 -

你可能需要用于训练的损失层（这就是你想要最小化）。所以训练结束后，训练结束在转换为火炬之前将其从原型文件中删除。

为了使用lmdb而不是使用数据层，请连接您对第一个转换层的输入（假设您的第一个非输入图层是转换的，例如说你有

layer {
  name: "input-data"
  type: "DummyData"
  top: "data"
  top: "im_info"
  dummy_data_param {
    shape { dim: 1 dim: 3 dim: 224 dim: 224 }
  }
}

以及

input: "data"
input_shape: {
dim: 1
dim: 3
dim: 224
dim: 224
}

然后

layer {
  name: "conv1"
  type: "Convolution"
  bottom: "data" --> **here put data instead of input-data**
  top: "conv1"
  convolution_param {
    num_output: 96
    kernel_size: 3
    pad: 1
    stride: 1
  }
}

对于自定义图层，您必须找到一个等效图层在火炬中实施或自行实施

关于将caffe模型转换为火炬的一些问题

1 个答案: