Caffe / Pycaffe速查表？

武元白

2023-03-14

问题内容：

有人知道所有重要的pycaffe命令是否都有备忘单吗？到目前为止，我仅通过Matlab接口和终端+ bash脚本使用caffe。

我想转向使用ipython并通过ipython笔记本示例进行研究。但是，我发现很难获得python caffe模块内部的所有功能的概述。（我对python也很陌生）。

问题答案：

该pycaffe测试和这个文件的主要门户，python编码接口。

首先，您想选择将Caffe与CPU或GPU一起使用。分别调用caffe.set_mode_cpu()或即可caffe.set_mode_gpu()。

Net

pycaffe接口公开的主要类是Net。它具有两个构造函数：

net = caffe.Net('/path/prototxt/descriptor/file', caffe.TRAIN)

只需创建一个Net（在这种情况下，使用为培训指定的数据层），或

net = caffe.Net('/path/prototxt/descriptor/file', '/path/caffemodel/weights/file', caffe.TEST)

它会创建一个，Net并自动加载保存在提供的caffemodel文件中的权重-在这种情况下，使用指定用于测试的数据层。

一个Net对象具有几种属性和方法。他们可以在这里找到。我只会引用我经常使用的内容。

您可以通过来访问网络Blob Net.blobs。例如

data = net.blobs['data'].data
net.blobs['data'].data[...] = my_image
fc7_activations = net.blobs['fc7'].data

您也可以类似的方式访问参数（权重）。例如

nice_edge_detectors = net.params['conv1'].data
higher_level_filter = net.params['fc7'].data

好的，现在是时候向网络提供一些数据了。因此，您将使用backward()和forward()方法。因此，如果您要对单个图像进行分类

net.blobs['data'].data[...] = my_image
net.forward() # equivalent to net.forward_all()
softmax_probabilities = net.blobs['prob'].data

backward()如果对计算梯度感兴趣，则该方法是等效的。

您可以保存净重，以随后再使用它们。这只是一个问题

 net.save('/path/to/new/caffemodel/file')

解算器
pycaffe暴露的另一个核心组件是Solver。有几种类型的求解器，但是SGDSolver为了清楚起见，我将仅使用它。为了训练Caffe模型，这是必需的。您可以使用实例化求解器

solver = caffe.SGDSolver('/path/to/solver/prototxt/file')

在Solver将封装你训练的网络和，如果存在的话，用于测试网络。请注意，它们通常是同一网络，只是具有不同的数据层。可通过以下方式访问网络

 training_net = solver.net
 test_net = solver.test_nets[0] # more than one test net is supported

然后，您可以执行一个求解器迭代，即具有权重更新的向前/向后传递，只需键入

 solver.step(1)

或运行求解器直到最后一次迭代，使用

solver.solve()

其它功能
请注意，pycaffe允许您执行更多操作，例如通过Python类指定网络体系结构或创建新的Layer类型。这些功能很少使用，但是通过阅读测试用例就很容易理解。