我怎么知道层中是否存在 "bias"？

Question

我正在尝试使用 pycaffe 读取 caffe 网络中的权重和偏差。这是我的代码

weight = net.params[layer_name][0].data
bias = net.params[layer_name][1].data

但是，我的网络中有些层没有偏差，所以会出现错误Index out of range。

所以我的问题是我可以使用

if(net.params[layer_name][1] exists):
    bias = net.params[layer_name][1].data

控制对bias的分配？以及如何写代码？

Answer 1

您可以简单地遍历 net.params[layer_name]:

layer_params = [blob.data for blob in net.params[layer_name]]

这样，您将获得所有 layer_params（对于某些层可能超过 2，例如 "BatchNorm"）

如果你只想检查第二个参数blob，你可以使用len:

if len(net.params[layer_name]) >= 2:
    bias = net.params[layer_name][1].data

PS,
net.params[layer_name] 可能不完全是 python list，而是一些 python boost 包装器对象，因此您可能需要将其显式转换为列表 (list(net.params[layer_name])) 在我在这个答案中建议的一些方法中。

Answer 2

如果你想对卷积层做，你可以通过读取prototxt来判断该层是否有偏差，而不需要caffemodel，即

from caffe.proto import caffe_pb2
import google.protobuf.text_format
net = caffe_pb2.NetParameter()
f = open('model.prototxt', 'r')
net = google.protobuf.text_format.Merge(str(f.read()), net)
f.close()
for i in range(0, len(net.layer)):
    if net.layer[i].type == 'Convolution':
        if net.layer[i].convolution_param.bias_term == True:
            print 'layer has bias'

我怎么知道层中是否存在 "bias"？

How can i know whether "bias" exists in a layer?

python

neural-network

deep-learning

caffe

pycaffe