如何使用 torch 从 caffe 模型中获取图层

Question

在python中，当我想使用caffe从图层中获取数据时，我有以下代码

    input_image = caffe.io.load_image(imgName)
    input_oversampled = caffe.io.resize_image(input_image, self.net.crop_dims)
    prediction = self.net.predict([input_image])
    caffe_input = np.asarray(self.net.preprocess('data', prediction))
    self.net.forward(data=caffe_input)
    data = self.net.blobs['fc7'].data[4] // I want to get this value in lua

然而，当我使用手电筒时，我有点卡住了，因为我不知道如何执行相同的操作。目前我有以下代码

require 'caffe'
require 'image'
net = caffe.Net('/opt/caffe/models/bvlc_reference_caffenet/deploy.prototxt', '/opt/caffe/models/bvlc_reference_caffenet/bvlc_reference_caffenet.caffemodel')
img = image.lena()
dest = torch.Tensor(3, 227,227)
img = image.scale(dest, img)
img = img:resize(10,3,227,227)
output = net:forward(img:float())
conv_nodes = net:findModules('fc7') -- not working

任何帮助将不胜感激

Answer 1

首先请注意，由于 LuaJIT FFI，torch-caffe-binding（即您与 require 'caffe' 一起使用的工具）是 Caffe 库的直接包装器。

这意味着它允许您方便地使用 Torch 张量进行正向或反向操作，但是 behind the scenes 这些操作是在 caffe::Net而不是在 Torch nn 网络上。

所以如果你想操纵一个普通的 Torch network what you should use is the loadcaffe library which fully converts the network into a nn.Sequential:

require 'loadcaffe'

local net = loadcaffe.load('net.prototxt', 'net.caffemodel')

那你可以用findModules. However please note that you cannot use their initial label anymore (like conv1 or fc7) as they are discarded after convert.

这里fc7(=INNER_PRODUCT)对应N-1次线性变换。所以你可以这样得到它：

local nodes = net:findModules('nn.Linear')
local fc7 = nodes[#nodes-1]

然后您可以通过 fc7.weight 和 fc7.bias 读取数据（权重和偏差）——这些是常规的 torch.Tensor-s。

更新

截至提交 2516fac loadcaffe 现在另外保存图层名称。因此，要检索 'fc7' 图层，您现在可以执行以下操作：

local fc7
for _,m in pairs(net:listModules()) do
  if m.name == 'fc7' then
    fc7 = m
    break
  end
end

如何使用 torch 从 caffe 模型中获取图层

How to get a layer from a caffe model using torch

python

lua

caffe

torch