caffe模型转torch的一些问题

Question

我使用torch-caffe-binding将caffe模型转换为torch。我想最后删除损失层并添加其他火炬层，我可以只删除 .prototxt 文件中的层并“训练”模型以获取 .caffemodel 文件并导入火炬？
而且模型使用的是lmdb类型的数据，当我使用net:forward(input)训练模型时，模型只是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 模型有一些自定义层，所以我不能使用 loadcaffe 在 torch

中加载模型

Answer 1

这里有 3 个问题 -

你可能需要训练的损失层（这就是你想要最小化）。所以用它训练，训练完成后在转换为 torch 之前将其从 prototxt 中删除。

为了使用lmdb而不是使用数据层，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 }
  }
}

还有

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
  }
}

至于自定义层，您必须找到一个等效层在火炬中实现或自己实现

caffe模型转torch的一些问题

Some questions about convert caffe model to torch

deep-learning

torch

caffe