如何加载 caffe 模型并转换为 numpy 数组？

Question

我有一个 caffemodel 文件，其中包含 ethereon 的 caffe-tensorflow 转换实用程序不支持的层。我想生成我的 caffemodel 的 numpy 表示。

我的问题是，如何将 caffemodel 文件（我也有 prototxt，如果有用的话）转换为 numpy 文件？

附加信息：我安装了 python、带 python 接口的 caffe 等。我显然对咖啡没有经验。

Answer 1

这是一个很好的函数，可以将 caffe 网络转换为 python 词典列表，因此您可以随意挑选和阅读它：

import caffe

def shai_net_to_py_readable(prototxt_filename, caffemodel_filename):
  net = caffe.Net(prototxt_filename, caffemodel_filename, caffe.TEST) # read the net + weights
  pynet_ = [] 
  for li in xrange(len(net.layers)):  # for each layer in the net
    layer = {}  # store layer's information
    layer['name'] = net._layer_names[li]
    # for each input to the layer (aka "bottom") store its name and shape
    layer['bottoms'] = [(net._blob_names[bi], net.blobs[net._blob_names[bi]].data.shape) 
                         for bi in list(net._bottom_ids(li))] 
    # for each output of the layer (aka "top") store its name and shape
    layer['tops'] = [(net._blob_names[bi], net.blobs[net._blob_names[bi]].data.shape) 
                      for bi in list(net._top_ids(li))]
    layer['type'] = net.layers[li].type  # type of the layer
    # the internal parameters of the layer. not all layers has weights.
    layer['weights'] = [net.layers[li].blobs[bi].data[...] 
                        for bi in xrange(len(net.layers[li].blobs))]
    pynet_.append(layer)
  return pynet_

如何加载 caffe 模型并转换为 numpy 数组？

How do I load a caffe model and convert to a numpy array?

python

numpy

neural-network

deep-learning

caffe