你能复制网络前 3 层的权重吗？不完全是微调，但几乎是重塑

Question

在 caffe 中，我希望仅对前两层使用使用 ImageNet 数据集训练的 alexnet 架构的预训练权重，我想在这两层之后添加一个 softmax 分类器。我想知道如何从包含更大网络结构（真正的 "deep" Alexnet 结构）的权重文件中仅提取前两层的权重。

Answer 1

Caffe 使用层的 "name" 将权重分配给层的 blobs。如果您更改顶层的 "name"，caffe 将不会从原始 .caffemodel 文件复制权重。

Answer 2

添加到的回答 -
如果您不想要完整的权重文件，
为了提取所需层的权重，请使用 net surgery:

net = caffe.Net(prototxt, caffemodel, caffe.TRAIN)
outnet = caffe.Net(predefined_prototxt_with_desired_layers_only, caffe.TRAIN)
layers_to_copy = ['conv1', 'conv2', 'conv3']
for layer in layers_to_copy:
    for i in range(0, len(net.params[layer])): #this is for copying both weights and bias, in case bias exists
        outnet.params[layer][i].data[...]=np.copy(net.params[layer][i].data[...])

outnet.save(new_caffemodel_name)

你能复制网络前 3 层的权重吗？不完全是微调，但几乎是重塑

Can you copy the weights from just the first 3 layers of a network? Not exactly finetuning, but almost reshaping

machine-learning

neural-network

deep-learning

caffe

conv-neural-network