Caffe 中 net.layers.blobs 和 net.params 有什么区别

Question

我正在使用 Python Caffe，并与 net.layers[layer_index].blob 和 net.params[layer_type] 混淆。如果我理解得很好， net.params 包含所有网络参数。以LeNet为例，net.params['conv1']表示'conv1'层的网络系数。那么 net.layer[layer_index].blobs 应该表示相同。但是，我发现它们并不完全相同。我使用以下代码对其进行测试：

def _differ_square_sum(self,blobs):
    import numpy as np
    gradients = np.sum(np.multiply(blobs[0].diff,blobs[0].diff)) + np.sum(np.multiply(blobs[1].diff,blobs[1].diff))
    return gradients


def _calculate_objective(self, iteration, solver):
    net = solver.net
    params = net.params
    params_value_list = list(params.keys())
    [print(k,v.data.shape) for k,v in net.blobs.items()]

    layer_num = len(net.layers)
    j = 0
    for layer_index in range(layer_num):
        if(len(net.layers[layer_index].blobs)>0):
            cur_gradient = self._differ_square_sum(net.layers[layer_index].blobs)
            key = params_value_list[j]
            cur_gradient2 = self._differ_square_sum(params[key])
            print([cur_gradient,cur_gradient2])
            assert(cur_gradient == cur_gradient2)

关于它们之间的区别有什么想法吗？谢谢。

Answer 1

您正在混合 可训练 网络参数（存储在 net.params 中）和输入 data 到网络（存储在 net.blobs):
完成模型训练后，net.params 是固定的，不会改变。但是，对于您向网络提供的每个新输入示例，net.blobs 将存储不同层对该特定输入的响应。

Caffe 中 net.layers.blobs 和 net.params 有什么区别

What's the difference between net.layers.blobs and net.params in Caffe

python

neural-network

deep-learning

caffe

pycaffe