Caffe使用教程

by shicai yang（@星空下的巫師）on 2015/08/06

#include "caffe/caffe.hpp"

#include #include using namespace caffe;
char *proto = "h:\\models\\caffe\\deploy.prototxt"; /* 載入caffenet的配置 */
phase phase = test; /* or train */
caffe::set_mode(caffe::cpu);
// caffe::set_mode(caffe::gpu);
// caffe::setdevice(0);
//! note: 後文所有提到的net，都是這個net
boost::shared_ptr< net> net(new caffe::net(proto, phase));

char *model = "h:\\models\\caffe\\bvlc_reference_caffenet.caffemodel";    

net->copytrainedlayersfrom(model);

char *mean_file = "h:\\models\\caffe\\imagenet_mean.binaryproto";

blobimage_mean;
blobproto blob_proto;
const float *mean_ptr;
unsigned int num_pixel;
bool succeed = readprotofrombinaryfile(mean_file, &blob_proto);
if (succeed)

//! note: data_ptr指向已經處理好（去均值的，符合網路輸入影象的長寬和batch size）的資料

void caffe_forward(boost::shared_ptr< net> & net, float *data_ptr)
net->forwardprefilled();
}

//! note: net的blob是指，每個層的輸出資料，即feature maps

// char *query_blob_name = "conv1";
unsigned int get_blob_index(boost::shared_ptr< net> & net, char *query_blob_name)
}log(fatal) << "unknown blob name: " << str_query;
}

//! note: 根據caffenet的deploy.prototxt檔案，該net共有15個blob，從data一直到prob    

char *query_blob_name = "conv1"; /* data, conv1, pool1, norm1, fc6, prob, etc */
unsigned int blob_id = get_blob_index(net, query_blob_name);
boost::shared_ptr> blob = net->blobs()[blob_id];
unsigned int num_data = blob->count(); /* nchw=10x96x55x55 */
const float *blob_ptr = (const float *) blob->cpu_data();

//! note: layer包括神經網路所有層，比如，caffenet共有23層

// char *query_layer_name = "conv1";
unsigned int get_layer_index(boost::shared_ptr< net> & net, char *query_layer_name)
}log(fatal) << "unknown layer name: " << str_query;
}

//! note: 不同於net的blob是feature maps，layer的blob是指conv和fc等層的weight和bias

char *query_layer_name = "conv1";
const float *weight_ptr, *bias_ptr;
unsigned int layer_id = get_layer_index(net, query_layer_name);
boost::shared_ptr> layer = net->layers()[layer_id];
std::vector>> blobs = layer->blobs();
if (blobs.size() > 0)
//! note: 訓練模式下，讀取指定layer的梯度資料，與此相似，唯一的區別是將cpu_data改為cpu_diff

const float* data_ptr;          /* 指向待寫入資料的指標， 源資料指標*/

float* weight_ptr = null; /* 指向網路中某層權重的指標，目標資料指標*/
unsigned int data_size; /* 待寫入的資料量 */
char *layer_name = "conv1"; /* 需要修改的layer名字 */
unsigned int layer_id = get_layer_index(net, query_layer_name); 
boost::shared_ptr> blob = net->layers()[layer_id]->blobs()[0];
check(data_size == blob->count());
switch (caffe::mode())
caffe_copy(blob->count(), data_ptr, weight_ptr);
//! note: 訓練模式下，手動修改指定layer的梯度資料，與此相似
// mutable_cpu_data改為mutable_cpu_diff，mutable_gpu_data改為mutable_gpu_diff

char* weights_file = "bvlc_reference_caffenet_new.caffemodel";

netparameter net_param;
net->toproto(&net_param, false);
writeprototobinaryfile(net_param, weights_file);

Caffe使用教程

caffe官網 1 include caffe caffe.hpp 2 include 3 include 4 using namespace caffe 56 char proto h models caffe deploy.prototxt 載入caffenet的配置 7 phase phase...

caffe教程翻譯 Loss

與絕大多數的機器學習引擎一樣，caffe是由乙個lossfunction 損失函式 驅動的。loss function也稱為 error function，cost function或者objective function。loss function利用模型中的引數 比如模型中網路的weights ...

Caffe簡明教程1 Caffe簡介

您可以檢視所有文章的索引 caffe簡明教程0 文章列表 caffe是乙個很常用的深度學習框架，官網 在我個人的經歷中，經常遇到 作者在學術 中使用caffe來作為實驗框架。目前，caffe由伯克利ai研究所 bair 以及開源社群成員進行開發和維護。其原始作者是賈揚清。另外，當選擇乙個框架時，我們...