我怎么知道使用caffe framwork和c ++程序的层中是否不存在偏差

Question

我正在尝试使用 c++ 读取 caffe 框架中的权重和偏差。这是我的代码

shared_ptr<Blob<float> >& weight = current_layer->blobs()[0];//for weights
shared_ptr<Blob<float> >& bias = current_layer->blobs()[1];//for bias

但是，如果对于某些模型，偏差不存在或通过分段错误错误定义。

那么哪个函数returns一个布尔值表示偏差的存在以及如何在c++中调用该函数？

Answer 1

从current_layer->blobs()返回的blobs存储在一个std::vector中，你可以使用它的size 属性:

if (current_layer->blobs().size() > 1) {
    shared_ptr<Blob<float> >& bias = current_layer->blobs()[1];//for bias
}

有关 python 界面的更多详细信息，请参阅。

Answer 2

const std::vector<string> lnames = net_->layer_names();

for (int layer_index = 0; layer_index < net_->layer_names().size(); ++layer_index)
{
     const shared_ptr<Layer<float> > CAlayer = net_->layer_by_name(lnames[layer_index]);
     std::cout << lnames[layer_index] << std::endl;

     if(CAlayer->blobs().size() > 1)
     {
             std::cout << "weight-shape" << CAlayer->blobs()[0]->shape_string() << std::endl;
             std::cout << "weight-count" << CAlayer->blobs()[0]->count() << std::endl;
             std::cout << "bias-shape" << CAlayer->blobs()[1]->shape_string() << std::endl;
             std::cout << "bias-count" << CAlayer->blobs()[1]->count() << std::endl;
     }
}

最终可以从

获取数据（权重和偏差参数）

 CAlayer->blobs()[0]->cpu_data()[...]

我怎么知道使用caffe framwork和c ++程序的层中是否不存在偏差

How can I know if there is no Bias exists in a layer using caffe framwork with c++ program

c++

neural-network

deep-learning

caffe

bias-neuron