Caffe：train_test.prototxt 和 deploy.prototxt 有什么区别？

Question

在 GoogleNet 等相关模型中 https://github.com/BVLC/caffe/tree/master/models/bvlc_googlenet

我们可以看到两个描述网络的 .prototxt 文件，它们之间的区别是什么？

deploy.txt and train_test.prototxt

我的关键问题是，在python界面中，为什么我只能使用前一个？也就是说：

model_def = caffe_root + 'models/bvlc_googlenet/deploy.prototxt'

model_weights = caffe_root + 'models/bvlc_googlenet/bvlc_googlenet.caffemodel'

net = caffe.Net(model_def,model_weights,caffe.TEST)

此代码在以下情况下运行正确：

model_def = caffe_root + 'models/bvlc_googlenet/train_val.prototxt'

model_weights = caffe_root + 'models/bvlc_googlenet/bvlc_googlenet.caffemodel'

net = caffe.Net(model_def,model_weights,caffe.TEST)

这不是。并给出错误信息：

layer {
  name: "inception_4e/relu_5x5_reduce"
  type: "ReLU"
  bottom: "inception_4e/5x5_reduce"
  top: "inception_4e/5x5_reduce"
}
layer {
I0805 10:15:13.698256 30930 layer_factory.hpp:77] Creating layer data
I0805 10:15:13.698444 30930 net.cpp:100] Creating Layer data
I0805 10:15:13.698465 30930 net.cpp:408] data -> data
I0805 10:15:13.698514 30930 net.cpp:408] data -> label
F0805 10:15:13.699956   671 db_lmdb.hpp:15] Check failed: mdb_status == 0 (2 vs. 0) No such file or directory
*** Check failure stack trace: ***

为什么？有什么区别？

Answer 1

train_val.prototxt用于训练，而deploy.prototxt用于推理。

train_val.prototxt 有训练数据所在位置的信息。在您的情况下，它包含包含训练数据的 lmdb 文件的路径。

deploy.prototxt 包含有关输入大小的信息，但不包含有关输入本身的任何信息。因此，您可以将具有该尺寸的任何图像作为输入传递给它并进行推理。

当您加载 train_val.prototxt 时，它会查找其中提到的训练数据文件。您遇到错误，因为它无法找到它。

提示：在进行推理时，最好使用deploy.prototxt。

Caffe：train_test.prototxt 和 deploy.prototxt 有什么区别？

Caffe: what's the difference between train_test.prototxt and deploy.prototxt?

caffe

pycaffe