是否可以在没有任何训练的情况下使用 Caffe Only 进行分类？
Is it possible to use Caffe Only for classification without any training?
一些用户可能认为这是基于意见的问题，但如果您仔细观察，我正在尝试探索将 Caffe 用作纯粹的测试平台，而不是目前流行的培训平台。
背景：
- 我已经在 Nvidia TK1 上使用 Jetpack 2.0 安装了所有依赖项。
- 我已经成功安装了caffe及其依赖。
- MNIST 示例运行良好。
任务：
- 我得到了一个包含所有标准层的卷积网络。 （不是开源模型）
- 网络权重和偏差值等可用训练后。培训尚未通过咖啡完成。 （预训练网络）
- 权重和偏差都是MATLAB矩阵的形式。 （实际上是在 .txt 文件中，但我可以轻松编写代码使它们成为矩阵）
- 我不能用 caffe 训练这个网络，必须使用给定的权重和偏置值仅用于分类。
- 我有自己的 32x32 像素图像数据集。
问题：
在所有教程中，都详细介绍了如何部署和训练网络，然后使用生成的 .proto 和 .caffemodel 文件进行验证和分类。可不可以在caffe上实现这个网络，直接用我的weights/bias和训练集对图片进行分类？这里有哪些可用选项？我是一个咖啡处女，所以请善待。感谢您的帮助！
这里唯一的问题是：
如何从文本文件权重初始化caffe net?
我假设您有一个 'deploy.prototxt' 描述网络架构（层类型、连接性、过滤器大小等）。剩下的唯一问题是如何将 caffe.Net 的内部权重设置为保存为文本文件的预定义值。
您可以访问 caffe.Net 内部结构，请参阅 net surgery 关于如何在 python 中完成此操作的教程。
一旦您能够根据您的文本文件设置权重，您就可以net.save(...) 将新的权重转换为二进制 caffemodel 文件以供以后使用。如果您已经训练了权重，则不必训练网络，您可以使用它来生成预测 ("test")。
一些用户可能认为这是基于意见的问题，但如果您仔细观察，我正在尝试探索将 Caffe 用作纯粹的测试平台，而不是目前流行的培训平台。
背景：
- 我已经在 Nvidia TK1 上使用 Jetpack 2.0 安装了所有依赖项。
- 我已经成功安装了caffe及其依赖。
- MNIST 示例运行良好。
任务：
- 我得到了一个包含所有标准层的卷积网络。 （不是开源模型）
- 网络权重和偏差值等可用训练后。培训尚未通过咖啡完成。 （预训练网络）
- 权重和偏差都是MATLAB矩阵的形式。 （实际上是在 .txt 文件中，但我可以轻松编写代码使它们成为矩阵）
- 我不能用 caffe 训练这个网络，必须使用给定的权重和偏置值仅用于分类。
- 我有自己的 32x32 像素图像数据集。
问题： 在所有教程中，都详细介绍了如何部署和训练网络，然后使用生成的 .proto 和 .caffemodel 文件进行验证和分类。可不可以在caffe上实现这个网络，直接用我的weights/bias和训练集对图片进行分类？这里有哪些可用选项？我是一个咖啡处女，所以请善待。感谢您的帮助！
这里唯一的问题是：
如何从文本文件权重初始化caffe net?
我假设您有一个 'deploy.prototxt' 描述网络架构（层类型、连接性、过滤器大小等）。剩下的唯一问题是如何将 caffe.Net 的内部权重设置为保存为文本文件的预定义值。
您可以访问 caffe.Net 内部结构，请参阅 net surgery 关于如何在 python 中完成此操作的教程。
一旦您能够根据您的文本文件设置权重，您就可以net.save(...) 将新的权重转换为二进制 caffemodel 文件以供以后使用。如果您已经训练了权重，则不必训练网络，您可以使用它来生成预测 ("test")。