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 = test; /*
or train */8
caffe::set_mode(caffe::cpu);9//
caffe::set_mode(caffe::gpu);
10//
caffe::setdevice(0);
1112
//! note: 後文所有提到的net，都是這個net
13 boost::shared_ptr< net > net(new caffe::net(proto, phase));

1

char *model = "
h:\\models\\caffe\\bvlc_reference_caffenet.caffemodel
";   
2 net->copytrainedlayersfrom(model);

1

char *mean_file = "
h:\\models\\caffe\\imagenet_mean.binaryproto";
2 blobimage_mean;
3blobproto blob_proto;
4const
float *mean_ptr;
5 unsigned int
num_pixel;67
bool succeed = readprotofrombinaryfile(mean_file, &blob_proto);8if
(succeed)
9

1

//! 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
2void caffe_forward(boost::shared_ptr< net > & net, float *data_ptr)
318     net->forwardprefilled();
19 }

1

//! note: net的blob是指，每個層的輸出資料，即feature maps2//
char *query_blob_name = "conv1";
3 unsigned int get_blob_index(boost::shared_ptr< net > & net, char *query_blob_name)413
}14     log(fatal) << "
unknown blob name: 
"<15 }

1

//! note: 根據caffenet的deploy.prototxt檔案，該net共有15個blob，從data一直到prob   
2char *query_blob_name = "
conv1
"; /*
data, conv1, pool1, norm1, fc6, prob, etc 
*/3 unsigned int blob_id =get_blob_index(net, query_blob_name);
45 boost::shared_ptrfloat> > blob = net->blobs()[blob_id];
6 unsigned int num_data = blob->count(); /*
nchw=10x96x55x55 */7
const
float *blob_ptr = (const
float *) blob->cpu_data();

1

//! note: layer包括神經網路所有層，比如，caffenet共有23層2//
char *query_layer_name = "conv1";
3 unsigned int get_layer_index(boost::shared_ptr< net > & net, char *query_layer_name)413
}14     log(fatal) << "
unknown layer name: 
"<15 }

1

//! note: 不同於net的blob是feature maps，layer的blob是指conv和fc等層的weight和bias
2char *query_layer_name = "
conv1";
3const
float *weight_ptr, *bias_ptr;
4 unsigned int layer_id =get_layer_index(net, query_layer_name);
5 boost::shared_ptrfloat> > layer = net->layers()[layer_id];
6 std::vectorfloat>  >> blobs = layer->blobs();
7if (blobs.size() > 0)8
1213
//! 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

1

const
float* data_ptr;          /*
指向待寫入資料的指標， 源資料指標*/2
float* weight_ptr = null;       /*
指向網路中某層權重的指標，目標資料指標
*/3 unsigned int data_size;         /*
待寫入的資料量 */4
char *layer_name = "
conv1
";     /*
需要修改的layer名字 */5
6 unsigned int layer_id =get_layer_index(net, query_layer_name);   
7 boost::shared_ptrfloat> > blob = net->layers()[layer_id]->blobs()[0];8
9 check(data_size == blob->count());
10switch
(caffe::mode())
1121 caffe_copy(blob->count(), data_ptr, weight_ptr);
2223
//! note: 訓練模式下，手動修改指定layer的梯度資料，與此相似
24//
mutable_cpu_data改為mutable_cpu_diff，mutable_gpu_data改為mutable_gpu_diff

1

char* weights_file = "
bvlc_reference_caffenet_new.caffemodel";
2netparameter net_param;
3 net->toproto(&net_param, false
);4 writeprototobinaryfile(net_param, weights_file);

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...

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...